- Early stop。增加验证集,验证集性能没有明显提升的时候停止。
- 增大数据集。常见的是增加一些噪声构造新样本,重采样,从源头采集,以及分析数据分布构造更多假数据。
- 正则化。为了降低模型复杂度,避免过分拟合训练数据,包括噪声和异常点。
- dropout。随机丢弃一些神经元,避免过度赖某些数据特征。
防止过拟合的方法
猜你喜欢
转载自blog.csdn.net/silent_crown/article/details/84924922
今日推荐
周排行