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
FreeBuf_37 分钟前
从“策略对抗”到“模型对抗”:朴智平台如何重塑金融风控新范式?
大数据·人工智能
GJGCY3 小时前
金融智能体的技术底座解析:AI Agent如何实现“认知+执行”闭环?
人工智能·经验分享·ai·金融·自动化
SteveRocket3 小时前
Python机器学习与数据分析教程之pandas
python·机器学习·数据分析
koo3644 小时前
李宏毅机器学习笔记32
人工智能·笔记·机器学习
材料科学研究4 小时前
机器学习催化剂设计!
深度学习·机器学习·orr·催化剂·催化剂设计·oer
材料科学研究4 小时前
机器学习锂离子电池!预估电池!
深度学习·机器学习·锂离子电池·电池·电池健康·电池管理·电池寿命
长桥夜波4 小时前
机器学习日报04
人工智能·机器学习
Cathyqiii5 小时前
Diffusion-TS:一种基于季节性-趋势分解与重构引导的可解释时间序列扩散模型
人工智能·神经网络·1024程序员节
数字冰雹5 小时前
数字孪生技术 重构 智能仓储新生态
人工智能·重构
EasyCVR6 小时前
从汇聚到智能:解析视频融合平台EasyCVR视频智能分析技术背后的关键技术
大数据·人工智能