下降過擬合和欠擬合的方法

下降過擬合的方法web 1.從數據入手，得到更多的訓練數據。使用更多的訓練數據是解決過擬合最有效的手段，由於更多的樣本可以讓模型學習到更多更有效的特徵，減少噪聲的影響。直接增長實驗數據很難，能夠經過必定的規則來擴充訓練數據。如，經過圖像的平移，旋轉，縮放等方式。還能夠用GAN來合成。網絡 2.下降模型的複雜度，在數據較少時，模型過於複雜是產生過擬合的主要因素。適當下降模型複雜度能夠避免模型擬合過多

>>阅读原文<<