计算机类校招求职笔记-个人整理
需积分: 11 142 浏览量
2021-02-03
20:26:04
上传
评论
收藏 1.11MB DOCX 举报
深度学习部分
过拟合与欠拟合
欠拟合指模型不能在训练集上获得足够低的训练误差；
过拟合指模型的训练误差与测试误差（泛化误差）之间差距过大；
反映在评价指标上，就是模型在训练集上表现良好，但是在测试集和新数
据上表现一般（泛化能力差）；
降低过拟合风险的方法
所有为了减少测试误差的策略统称为正则化方法，这些方法可能会以增大
训练误差为代价。
数据增强
图像：平移、旋转、缩放
利用生成对抗网络（）生成新数据
：利用机器翻译生成新数据
降低模型复杂度
神经网络：减少网络层、神经元个数
决策树：降低树的深度、剪枝
权值约束（添加正则化项）
正则化
正则化
集成学习
神经网络：
剩余23页未读，继续阅读
评论0