防止過擬合的方法

過擬合（overfitting）是指在模型參數擬合過程中的問題，由於訓練數據包含抽樣誤差，訓練時，複雜的模型將抽樣誤差也考慮在內，將抽樣誤差也進行了很好的擬合。具體表現就是最終模型在訓練集上效果好，在測試集上效果差，模型泛化能力弱。 算法爲了滿足儘可能複雜的任務，其模型的擬合能力一般遠遠高於問題複雜度，也就是說，算法有擬合出正確規則的前提下，進一步擬合噪聲的能力。 那麼如何防止過擬合呢？ 1. 更

>>阅读原文<<