[NLP學習筆記-Task6] 深度學習正則化 + 深度學習優化策略 + fastText

過擬合 過擬合：模型過度擬合數據，使得在面對新的數據時預測效果不好，即模型的泛化能力不強 過擬合原因：1. 樣本數量太少 2. 數據中噪聲過大 解決過擬合：1. 增加數據（不容易做到）2. 正則化技術 爲什麼需要深層網絡 對於比較複雜的任務，深層網絡（DNN）的優勢： DNN具有更多神經元，因此具有更多參數，這使得它可以擬合更加複雜的各種函數 現實世界的數據大多都是以分層的結構構造的，比如人臉識別

>>阅读原文<<