【跟马少平老师学AI】-【神经网络是怎么实现的】(六)过拟合问题

一句话归纳:
1)过拟合问题:

  • 图中的点为样本
  • 直线欠拟合
  • 曲线2过拟合

2)迭代次数与拟合情况:

  • 训练次数过多可能导致过拟合。

3)正则化项法弱化过拟后问题:

  • 加正则项,在最小化损失函数时抑制了个别参数影响过大导致的过拟合。

4)舍弃法弱化过拟合:

  • 通过训练多个简化的神经网络(丢弃部分参数)弱化过拟合。
  • 又保持使用过所有神经元。

5)数据增强法:

  • 训练数据足够多(样本多样性)。
  • 通过旋转、截取、缩放等方法获取数据。
相关推荐
清风序来1 小时前
一,开发环境安装
人工智能·深度学习
樱花穿过千岛湖4 小时前
第六章:Multi-Backend Configuration
人工智能·python·gpt·学习·ai
跳跳糖炒酸奶4 小时前
第十五讲、Isaaclab中在机器人上添加传感器
人工智能·python·算法·ubuntu·机器人
前进的程序员5 小时前
深度学习:人工智能的核心驱动力
人工智能
_一条咸鱼_5 小时前
Python 名称空间与作用域深度剖析(二十七)
人工智能·python·面试
_一条咸鱼_5 小时前
Python之函数对象+函数嵌套(二十六)
人工智能·python·面试
_一条咸鱼_5 小时前
Python 文件操作之修改(二十二)
人工智能·python·面试
_一条咸鱼_5 小时前
Python 闭包函数:原理、应用与深度解析(二十八)
人工智能·python·面试
_一条咸鱼_5 小时前
Python 之文件处理编码字符(二十)
人工智能·python·面试
_一条咸鱼_5 小时前
Python 装饰器:代码功能的优雅增强(二十九)
人工智能·python·面试