Pytorch：如何防止Overfitter（过拟合）？以及regularization

「已注销」

于 2021-11-19 11:51:11 发布

阅读量1.2k

点赞数 3

文章标签： python 开发语言后端

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/weixin_62637793/article/details/121417994

版权

本文探讨了在PyTorch中防止过拟合的方法，包括增加数据量、降低模型复杂度以及使用dropout技术。同时，介绍了正则化的概念，特别是L1和L2正则化，L2正则化更为常见，而L1正则化可能需要手动计算。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

方法：

（1）more data

（2）降低模型复杂度

（3）dropout

regularization（可以用来降低模型复杂度）

公式：

L1-regularization

$J\left ( \theta \right )= -\frac{1}{m}\sum \left [ y_{i} ln\hat{y_{i}}+\left ( 1-y_{i} \right )ln\left ( 1-\hat{y_{i}} \right )\right ]$ $+\lambda \sum \left | \Theta _{i} \right |$ ,前项累加从i=1到m，后项累加从i=1到n。

或者

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。