Overfitting
来源:互联网 发布:房产软件有哪些 编辑:程序博客网 时间:2024/05/18 00:44
What?
随着训练的进行,模型复杂度会增加,此时,如果该模型在训练集上的误差在逐渐减少,能够收敛到一个小范围,然而,在验证集上误差却一直下降不下去。最终在训练集上能有较高的准确率,验证集上的准确率却很低。这种现象,就是发生了overftting.
How?
1)early stopping (提前停止)
在模型迭代训练的时候,会提前设定一个迭代次数,early stopping 就是指在模型的误差不再下降时,如果此时模型迭代的次数还没有达到预定的次数,终止训练。
2)Data Augmentation (数据增强)
这是一种扩大样本量的操作,具体有以下几种手段:
①从数据源头采集更多的数据。比如有的人用kinect进行深度图像采集的时候,就可以多采集一些数据集。
②复制原有数据集加上随机噪声。比如翻转,剪切等
③重采样等
3)正则化
(1)可以在代价函数后面加一个正则项,一般会有L0正则,L1正则,L2正则等
L1正则:
表示在原代价函数后面加上参数的L1范数和项,也就是参数绝对值和 与 参数的 积项。在对经过L1正则后的代价函数求偏导计算梯度时,有:
所以,对
(其中,在梯度下降的时候,
So,
L2正则:
表示在原代价函数后面加上参数的L2范数和项,也就是参数平方和 与 参数的 积项。所以,对
所以,L2的效果是使参数变的更小。
(2)可以将数据进行标准化,比如Batch Normalization等等
4)Dropout
随机删除隐藏层神经元节点,同时保持输入输出节点不变的一种操作。是通过修改神经网络结构来实现的,也是为了减少参数,减低模型复杂度,从而防止过拟合。
这种做法,在传统算法中,与减少特征的原理相似。
- Overfitting
- 过学习 overfitting
- Overfitting and Underfitting
- Overfitting and Underfiting
- 神经网络-overfitting(一)
- 神经网络-overfitting(二)
- underfitting and overfitting
- Softmax和Overfitting
- Softmax&Overfitting&Regulization&Dropout
- Dropout solve overfitting
- 过拟合(overfitting)
- tf9.Dropout 解决 overfitting
- sklearn(六)--------overfitting
- 过拟合overfitting
- 过拟合overfitting
- Tensorflow 解决 overfitting
- overfitting和regularization、dropout
- overfitting(过度拟合)的概念
- 二叉树:已知前序&&中序或中序&&后序构造树
- Codeforces Round #387 (Div. 2) A. Display Size
- HDU 2544 最短路
- 浅谈HTML中的行块标签
- java每日一练
- Overfitting
- HIVE学习笔记
- JVM调优 基于分代策略
- SQL查询和优化(十五)
- 不再跳票Fedora 26 正式发布!
- gb2312 转 utf-8
- Angular4 + Material2
- OkHttp工具类+RecyclerView+点击事件+Glide显示图片
- Android基础总结四:BroadcastReceiver总结二(广播权限设置)