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
TaoSense5 分钟前
AI芯片产品经理:算力革命的架构师
人工智能·产品经理
Brian Xia13 分钟前
Word2Vec模型详解:CBOW与Skip-gram
人工智能·自然语言处理·word2vec
ai小鬼头16 分钟前
AIStarter 3.2.0更新!一键离线导入+高速下载,熊哥教你轻松玩转AI工具
人工智能·程序员·github
蓝婷儿22 分钟前
Python 机器学习核心入门与实战进阶 Day 7 - 复盘 + 综合实战挑战
python·机器学习
若兰幽竹27 分钟前
基于DeepSeek构建的openGauss AI智能优化助手:数据库性能提升新利器
人工智能·大模型·opengauss·deepseek
后端小肥肠33 分钟前
揭秘10W+AI动物运动会视频,我用Coze一键搞定全流程(附保姆级拆解)
人工智能·aigc·coze
李元豪1 小时前
【知足常乐ai笔记】机器人强化学习
人工智能·笔记·机器人
沫儿笙1 小时前
焊接机器人智能节气装置
人工智能·机器人
MidJourney中文版1 小时前
老年人与机器人玩具的情感连接
人工智能·机器人·语音识别
Codebee1 小时前
AI驱动的低代码革命:解构与重塑开发范式
人工智能·低代码·代码规范