1
条回答
写回答
写回答
-
当你使用较小的数据集进行机器学习时，容易产生过度拟合，因此使用较大的数据量能避免过度拟合现象。但是当你不得不使用小型数据集进行建模时候，可以使用被称为交叉验证的技术。在这种方法中数据集被分为两节，测试和训练数据集，测试数据集只测试模型，而在训练数据集中，数据点被用来建模。
在该技术中，一个模型通常是被给定有先验知识的数据集（训练数据集）进行训练，没有先验知识的数据集进行测试，交叉验证的思想是：在训练阶段，定义一个数据集用来测试模型。
-
dropout：训练神经网络模型时,如果训练样本较少,为了防止模型过拟合, Dropout可以作为一种trikc供选择。
-
early stop结合cross validation使用。
-
尽可能的扩大 training dataset，增加训练集的全面性和数量
2019-11-26 16:43:59赞同 展开评论 打赏 -
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
