|
过拟合的原因往往是： 1训练数据不足，训练数据无法对整个数据的分布进行估计的时候 2训练过度 ，导致模型过拟合 1：数据集扩增 几种方法，采集更多的数据 复制原有的数据，加速噪声 重采样 生成已有模型的分布，产生更多数据。（比如假设数据服从高斯分布，那么就根据现有数据估计高斯分布的参数，然后产生更多的数据） 2：early-stopping 对模型进行训练的过程往往是一个对模型更新的过程，这个过程往往是一个迭代的过程。在这个迭代的过程中，如果当迭迭代一次次数，validation accuracy 不在变化时，那就就及时的停止模型的训练。 3：正则化 使用L1，L2，Elastic net 等正则化方法。 4：DropOut 神经网络中的方法 |
|
|
