面经杂谈（1）
8/27，今天刷牛客看到的搜狐面经，为了准备面试，我把看到的面经被问到的问题也自己整理回答下，吸取经验：
1.说说过拟合
首先，在随着训练过程的进行，模型复杂度增加，在训练集上误差逐渐减小，但是在验证集上误差反而越来越大。因为训练出来的网络过度拟合了训练集，对训练集以外的数据不起作用，这就称之为泛化性能不好，泛化性能是训练效果评价中的首要目标。
过拟合则是泛化的反面，实际过程中，降低过拟合的方法一般有：
（1）正则化
L1正则化：目标函数中增加所有权重w参数的绝对值之和, 逼迫更多w为零，也就
原创
2020-08-27 21:30:54 ·
221 阅读 ·
0 评论
关注
分享
扫一扫