JavaScript之机器学习6:Tensorflow.js 欠拟合与过拟合

神小夜

于 2020-03-31 00:29:26 发布

阅读量275

点赞数

分类专栏：前端文章标签： tensorflow 机器学习神经网络过拟合

本文链接：https://blog.youkuaiyun.com/weixin_40693643/article/details/105203579

版权

本文通过演示不同神经网络在带噪音的二分类数据集上的表现，探讨了欠拟合、良好的拟合和过拟合的概念。并介绍了如何通过早停法、权重衰减和丢弃法来应对过拟合的问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

①欠拟合： 模型太简单，
②好的拟合： 模型刚刚好
③过拟合： 模型太复杂
在这里插入图片描述
操作步骤：

加载带有噪音的二分类数据集（训练集和验证集）
使用不同神经网络演示欠拟合和过拟合
过拟合应对法：早停法，权重衰减，丢弃法

// index.js
import * as tf from '@tensorflow/tfjs';
import * as tfvis from '@tensorflow/tfjs-vis';
import {
    getData } from './data';

window.onload = async () => {
   
    const data = getData(200, 2);

    tfvis.render.scatterplot(
        {
    name: '训练数据' },
        {
   
            values: [
                data.filter(p => p.label === 1),
                data.filter(p => p.label === 0),
            ]