優化網絡的原理與方法（5）--過擬合問題的解決

過擬合和欠擬合 欠擬合（Underfitting）是指模型不能夠在訓練集上獲得足夠低的誤差。 過擬合（Overfitting）是指訓練誤差和測試誤差太大。（訓練集上得到的誤差較小，實際測試時並不能很好的擬合）   泛化誤差（或稱測試誤差）是指模型在未知的新輸入數據上運行所得到的誤差。 正則化（Regularization） 正則化是爲了避免過擬合問題而常常採用的方法，其思想就是在損失函數中加入被稱

>>阅读原文<<