深度學習筆記_tensorflow2.0_過擬合（二）

減少過擬合方法： 交叉驗證 normalization 學習率調整， learning rate decay momentum動量調整 k折交叉檢驗： 正則化： 更小的權值w，從某種意義上說，表示網絡的復 雜度更低，對數據的擬合剛剛好（這個法則也叫做奧卡姆剃刀） 添加正則化相當於參數的解空間添加了約束，限制了模型的複雜度 L1正則化的形式是添加參數的絕對值之和作爲結構風險項，L2正則化的形式添加參

>>阅读原文<<