機器學習中的過擬合問題

1. 過擬合的表現 隨着訓練過程的進行，模型在訓練集上的誤差越來越小，但是在測試集上的誤差卻越來越大。這是由於訓練得到的模型過度擬合了訓練集，對訓練集外的數據不work，即泛化能力差。 2. 降低過擬合的方法 2.1 數據增強（augmentation） 1）隨機旋轉 ：一般情況下是對輸入圖像隨機旋轉[0,360)  2）隨機裁剪 ：對輸入圖像隨機切割掉一部分  3）色彩抖動 ：指的是在顏色空間如

>>阅读原文<<