两种情况下发生过拟合的情况的图:
1。数据量小,过拟合发生的几率就高。
2。噪声太大,过拟合发生的几率就高。
3。噪声太大同时模型的VC维度太高,过拟合发生的几率就高。
4。噪声较小但模型的VC维度太高,过拟合发生的几率就高。
如何解决过拟合问题:
1。从简单的模型开始试
2. 数据清理,将噪声减小
3.生成更多数据,增加数据量(将图像平移、旋转)。此时要注意:生成的样本不在符合原来的概率分布。
4. 正则化方法
5. validation
两种情况下发生过拟合的情况的图:
1。数据量小,过拟合发生的几率就高。
2。噪声太大,过拟合发生的几率就高。
3。噪声太大同时模型的VC维度太高,过拟合发生的几率就高。
4。噪声较小但模型的VC维度太高,过拟合发生的几率就高。
如何解决过拟合问题:
1。从简单的模型开始试
2. 数据清理,将噪声减小
3.生成更多数据,增加数据量(将图像平移、旋转)。此时要注意:生成的样本不在符合原来的概率分布。
4. 正则化方法
5. validation