吴恩达2022机器学习专项课程(一)8.2 解决过拟合

目录

解决过拟合(一):增加数据

收集更多训练数据,是解决过拟合的首要方法。

解决过拟合(二):减少特征

如果收集不到更到的训练数据,则看看是否可以使用更少的特征,我们需要特征选择。

特征选择

选择合适的特征集,具体做法是根据直觉,保留你认为最有用的特征(课程专项第二部分会细讲)。

缺点

万一所有特征都是很有用的,特征选择可能会丢弃一些有用的特征。有些算法会自动选择特征集(专项课程二详细说明)。

解决过拟合(三):正则化

尽可能的缩小参数的值,例如0.000014,0.0001。

总结

解决过拟合最常用的三种方法分别是增加训练集数据,减少训练样本特征,以及使用正则化。正则化是使用最多也是效果最好的方法。

相关推荐
jndingxin19 分钟前
OpenCV 人脸分析----人脸识别的一个经典类cv::face::EigenFaceRecognizer
人工智能·opencv·计算机视觉
说私域25 分钟前
开源链动2+1模式与AI智能名片融合下的S2B2C商城小程序源码:重构大零售时代新生态
人工智能·重构·开源
用什么都重名43 分钟前
MinerU:高效智能PDF文档解析工具完全指南
人工智能·python·pdf·mineru·makedown
好心的小明1 小时前
【王树森推荐系统】召回05:矩阵补充、最近邻查找
人工智能·推荐系统
归去_来兮1 小时前
Transformer模型原理概述
人工智能·深度学习·transformer
爱思德学术1 小时前
中国计算机学会(CCF)推荐学术会议-B(计算机体系结构/并行与分布计算/存储系统):SOCC 2025
网络协议·机器学习·云计算·边缘计算
酌沧2 小时前
深度学习 必然用到的 微积分知识
人工智能·深度学习
PyAIExplorer2 小时前
图像轮廓检测与绘制:OpenCV 实战指南
人工智能·opencv·计算机视觉
巴伦是只猫2 小时前
【机器学习笔记 Ⅲ】1 无监督学习
笔记·学习·机器学习