對模型泛化性能及正則化的理解

梳理下在學習吳恩達視頻中正則化時與人討論後的感悟與想法，大部分是對L1、L2、dropout正則化的理解 泛化性 泛化即是，機器學習模型學習到的概念在它處於學習的過程中時模型沒有遇見過的樣本時候的表現。 過擬合 當某個模型過度的學習訓練數據中的細節和噪音，以至於模型在新的數據上表現很差，我們稱過擬合發生了。這意味着訓練數據中的噪音或者隨機波動也被當做概念被模型學習了。而問題就在於這些概念不適用於新

>>阅读原文<<