深度學習---過擬合與欠擬合

一、認識過擬合與欠擬合 經典圖示，其中： 圖1：欠擬合表示：模型不能在訓練集上獲得足夠低的訓練誤差，即：沒有學習到； 圖3：過擬合表示：模型的訓練誤差與測試誤差之間差距較大，即：在訓練集上表現好，在測試集和新數據上表現一般，過學習。 二、解決過擬合的方法 深度學習中常見於解決過擬合。（所有爲了減少測試誤差的策略統稱爲正則化方法，這些方法可能會以增大訓練誤差爲代價。） （1）數據增強（數據擴充） a

>>阅读原文<<