深度學習PyTorch | 總結

過擬合、欠擬合 1、在數據不夠多的時候，k折交叉驗證是一種常用的驗證方法。 2、過擬合是指訓練誤差達到一個較低的水平，而泛化誤差依然較大。 欠擬合是指訓練誤差和泛化誤差都不能達到一個較低的水平。 發生欠擬合的時候在訓練集上訓練誤差不能達到一個比較低的水平，所以過擬合和欠擬合不可能同時發生。 3、模型複雜度低容易導致欠擬合；訓練數據集小容易導致過擬合；過擬合還可以使用權重衰減和丟棄法來緩解，即使在一

>>阅读原文<<