防止過擬合，採用的手段有哪些？

過擬合 過擬合是模型的偏差小而方差大，即模型在訓練集上擬合得很好，在測試集上的效果卻很差。所以防止過擬合，就是要減小方差。（偏差、方差、貝葉斯誤差） 防止過擬合的方法 從源頭上，擴充數據集，收集更多的數據或者採用數據增強的方法。 對於模型參數的處理方法，採用L1, L2正則化和dropout 的方法 對於訓練方法，採用Early stopping。 採用bagging的方法 數據增強的方法 參考

>>阅读原文<<