[不定项选择题]
过拟合：指模型在训练集上预测效果好，而在测试集删号预测效果较差
防止过拟合的方法包括：1、正则化，2、减少参数数量，3、增加训练样本数量，4、提前终止Hold out
5、Bagging等集成方法：通过合并多个模型降低泛化误差的方法，Bagging方法中所有分类器权重相同，能够降低模型的方差，即总分类器对数据扰动的承受能力更好，从而改善模型过拟合问题。
（而boosting方法则是能够降低模型的偏差，改善模型的欠拟合问题）。二者都能解决分类问题中的非均衡分类问题。
6、Dropout
7、Batch Normalization（批正则化）
发表于 2021-10-25 21:56:55
回复(0)
问题信息
-
扫描二维码，关注牛客网
- 意见反馈
-
下载牛客APP，随时随地刷题
扫一扫，把题目装进口袋
- 求职之前，先上牛客
-
扫描二维码，进入QQ群
扫描二维码，关注牛客公众号
- 公司地址：北京市朝阳区北苑路北美国际商务中心K2座一层-北京牛客科技有限公司
- 联系方式：010-60728802 投诉举报电话：010-57596212（朝阳人力社保局）
- 牛客科技© All rights reserved admin@nowcoder.com
- 京ICP备14055008号-4 增值电信业务经营许可证 营业执照 人力资源服务许可证
-
京公网安备
11010502036488号
