深度學習-正則化

概述 正則化是機器學習中非常重要並且非常有效的減少泛華誤差的技術，特別是在深度學習模型中，由於其模型參數非常多非常容易產生過擬合。因此研究者也提出很多有效的技術防止過擬合，比較常用的技術包括： 參數添加約束，例如L1、L2範數等 訓練集合擴充，例如添加噪聲、數據變換等 Dropout 該文主要介紹深度學習中比較常見幾類正則化方法以及常用參數選擇，並試圖解釋其原理。 正則化技術 參數懲罰 通過對模型

>>阅读原文<<