过拟合和欠拟合¶
过拟合(overfitting
)和欠拟合(underfitting
)都是分类训练过程中经常遇到的现象,理清它们之间的区别和含义,有助于得到更好的分类器
过拟合¶
参考:
过拟合(over fitting
)现象常出现在分类器训练过程中,指的是分类器对训练集数据能够得到很好的结果,但是在测试集(或者其他数据)上不能够很好的分类,分类器泛化能力差
出现原因:
- 训练集数据不够大
- 训练集数据存在噪音
- 模型过于复杂导致不仅能够拟合数据还能够拟合噪音
解决方法:
- 给予足够多的数据
- 提高训练集质量
- 选用合适的模型,限制模型的拟合能力
针对卷积神经网络,限制网络复杂度的方法包括
- 减少网络层数
- 减小神经元个数
- 激活函数