cnn-過擬合(over-fitting)

概念 爲了得到一致假設而使假設變得過度嚴格稱爲過擬合[1] 給定一個假設空間H，一個假設h屬於H，如果存在其他的假設h’屬於H,使得在訓練樣例上h的錯誤率比h’小，但在整個實例分佈上h’比h的錯誤率小，那麼就說假設h過度擬合訓練數據。   過擬合的示意圖： 在上圖中訓練樣本存在噪聲，爲了照顧它們，分類曲線的形狀非常複雜，導致在真實測試時會產生錯分類. 直白理解：在神經網絡中，首先根據訓練數據集進行

>>阅读原文<<