知识卡片
欠拟合与过拟合看训练和泛化
欠拟合时模型连训练数据的相关规律都没充分学到,可能来自模型容量、特征或优化不足;过拟合时训练表现好但对新数据的表现相对较差,可能学到了噪声或偶然细节。应同时观察训练和验证指标,再选择改模型、优化、增加合适数据或正则化等措施。池化是一种压缩局部表示的结构,不等同于简单减少训练样本,也不能保证消除过拟合。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
参考来源
- 位置:《深度学习之美:AI时代的数据处理与最佳实践》第 12 章《全面连接困何处,卷积网络显神威》(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter17_0006.xhtml#txt012_20)
- 结论依据:原文对对应方法或概念的解释与示例,限制条件为理解补充。
- 原始内容:过拟合和欠拟合