如何降低过拟合？-机器学习试题

最新推荐文章于 2023-04-26 10:19:02 发布

原创最新推荐文章于 2023-04-26 10:19:02 发布 · 343 阅读

0 ·

CC 4.0 BY-SA版权

深度学习-图像处理专栏收录该内容

27 篇文章

订阅专栏

本文探讨了提高机器学习模型泛化能力的五种关键策略：寻找最简假设、正则化、early stopping、数据集扩增及dropout。通过这些方法，可以有效避免过拟合，使模型在未见数据上表现更佳。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

（1）试着寻找最简单的假设
（2）正则化
（3）early stopping：
在每一个epoch结束的时候，计算验证集的accurancy，记录到目前为止最好的交叉验证accuracy，当连续10次epoch没达到最好的准确率的时候，可以认为accurancy不再提高了。
（4）数据集扩增
（5）dropout