houyushui的博客

indices,depth,axis=None,name=None)1. indices是labels，即你要进行one_hot编码的数据2. depth是你数据的类别，或者区间长度3. on_value默认是1，这表示对应值有效时，one_hot编码中的值4. off_value默认是0，表示对应值无效时，one_hot编码的值5. axis默认为-1，表示你的one_hot编码从哪个方向展开，axis为0时，列表示一个数据，行表示类别上面的例子，labels表示我要编码的数据，

在偏差较高时，会出现欠拟合的现象，此时用的模型就过于简单了；另外，当你的λ设的足够大，那么W将会更接近于0，直观上就是多隐藏单元的权重为0，从而消除了隐藏单元，这时神经网络就被简化，但是它依然很深，所以这个网络就会从过度拟合的状态变为高偏差状态，但是在这过程中，由于是连续的变化，所以会有一个中间态，也就是我们希望让模型变成的低偏差低方差的状态。但如果你的数据比较多，那么你可以适当减少验证集和测试集的比例，因为验证集的目的就是验证不同的算法，比较那种算法更有效，只要有一定的数据量就可以满足这个需求。