ICML2020 | 一行代碼就能實現的測試集上分技巧

星標/置頂小屋，帶你解鎖 最萌最前沿的NLP、搜索與推薦技術 文 | 蘇劍林 編 | 夕小瑤 在訓練模型的時候，我們需要損失函數一直訓練到0嗎？顯然不用。一般來說，我們是用訓練集來訓練模型，但希望的是驗證集的損失越小越好，而正常來說訓練集的損失降低到一定值後，驗證集的損失就會開始上升(即過擬合），因此沒必要把訓練集的損失降低到0。 爲了對抗這種過擬合現象，提高模型的測試集表現（即泛化能力），一種很

>>阅读原文<<