【DL筆記】防止模型過擬合的處理方法（更新中）

前言 本文主要整理了防止過擬合的處理方法，會持續更新。算法 過擬合（Overfitting） 過擬合能夠通俗理解爲模型學習到了訓練數據幾乎所有的特徵，對於訓練集具備很是高的準確率，但對於測試集的特徵敏感，每每不能再測試集中取得較高準確率，這種現象主要是因爲在訓練過程當中，爲了使模型學到更多的特徵，從而增長模型的複雜程度，使模型更加依賴訓練集，而泛化能力較弱。 如上圖所示，過擬合會給模型帶來很很差的

>>阅读原文<<