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，模型在訓練集上的偏差愈來愈小，可是在測試集上的偏差卻愈來愈大。這是因爲訓練獲得的模型過分擬合了訓練集，對訓練集外的數據不work，即泛化能力差。網絡 2. 下降過擬合的方法 2.1 數據加強（augmentation） 1）隨機旋轉 ：通常狀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

>>阅读原文<<