机器学习中用来防止过拟合的方法有哪些-知乎1111.pdfVIP

给《 视觉与应用》课程出大作业的时候，正好涉及到这方面内容，所以简单整理了一下 （参考Hinton 的课程）。按照之前的套路写： 是什么 过拟合（overfitting ）是指在模型参数拟合过程中的问题，由于训练数据包含抽样误差 ，训 练时，复杂的模型将抽样误差也考虑在内，将抽样误差也进行了很好的拟合。 具体表现就是最终模型在训练集上效果好；在测试集上效果差。模型泛化能力弱。 为什么 为什么要解决过拟合现象？ 这是因为我们拟合的模型一般是用来 未知的结果（不在训练 集内），过拟合虽然在训练集上效果好，但是在