网站介绍：文章浏览阅读179次。概念优化：代表通过调整模型来训练数据上表现最好。泛化：代表模型在未见过的数据上的表现。防止过拟合1.弄更多的训练数据2.调节模型储存的信息的质量，用来解决过拟合的方法叫做正则化。减少网络大小最简单的预防过拟合方法就是减少模型的大小。模型中可学习参数的数量被称为模型的“容量”。没有什么有魔力的公式能够决定层所需的正确数量，以及每一层的正确大小。你必须评估一系列不同的结构（在你的验证集上而不是测试集上）来找出你的数据的正确模型大小。一般的找到合适大小的流程是从一些相关的比较少的层数和参数开始，_fdd和tdd有何异同
- 链接地址：https://blog.csdn.net/zzh_AI/article/details/108881007
- 链接标题：过拟合和欠拟合_fdd和tdd有何异同-CSDN博客
- 所属网站：blog.csdn.net
- 被收藏次数：5643
- 网站标签：fdd和tdd有何异同
