如何解決過擬合/欠擬合

文章目錄 前言 過擬合 過擬合出現原因 解決方法 1. 正則化方法 2. 交叉驗證 3. Early stopping 4. 數據集擴充 5. Dropout 欠擬合 欠擬合出現原因 常見解決方法 參考文章 前言 機器學習的基本問題是利用模型對數據進行擬合，學習的目的並非是對有限訓練集進行正確預測，而是對未曾在訓練集合出現的樣本能夠正確預測。 模型對訓練集數據的誤差稱爲經驗誤差，對測試集數據的誤差

>>阅读原文<<