overfitting

overfitting and underfitting

Foradeeplearningormachinelearningmodel,wenotonlyrequireittohaveagoodfitonthetrainingdataset(trainingerror),butalsoexpectittohaveagoodfitonanunknowndataset(testset)(generalizationability),theresultingt
John_Phil·2023-09-15 00:56

【李宏毅】深度学习6：机器学习任务攻略

解决overfitting的方法？测试集上的效果不佳看训练数据的loss，是不是模型本身就没训练好？
Avada__Kedavra·2023-09-10 06:35

丢弃法（Dropout）

原文链接见丢弃法（Dropout）——从零开始在深度学习中，一个常用的应对过拟合（overfitting）问题的方法叫做丢弃法。
对酒当鸽·2023-09-03 01:36

神经网络基础-神经网络补充概念-52-正则化网络的激活函数

概念正则化是一种用于减少过拟合（overfitting）的技术，可以在神经网络的各个层次中应用，包括激活函数。
丰。。·2023-08-19 20:31

PyTorch深度学习实战（10）——过拟合及其解决方法

PyTorch深度学习实战（10）——过拟合及其解决方法0.前言1.过拟合基本概念2.添加Dropout解决过拟合3.使用正则化解决过拟合3.1L1正则化3.2L2正则化4.学习率衰减小结系列链接0.前言过拟合(Overfitting
盼小辉丶·2023-08-14 13:53

【机器学习】Overfitting and Regularization

OverfittingandRegularization1.过拟合添加正则化2.具有正则化的损失函数2.1正则化线性回归的损失函数2.2正则化逻辑回归的损失函数3.具有正则化的梯度下降3.1使用正则化计算梯度（线性回归/逻辑回归）3.2正则化线性回归的梯度函数3.3正则化逻辑回归的梯度函数4.重新运行过拟合示例附录导入所需的库importnumpyasnp%matplotlibinlineimpo
CS_木成河·2023-08-03 02:03

正则化之参数惩罚

在线性模型中，为了预防overfitting过度拟合，添加了惩罚项但是为何要加入这一惩罚项令人困惑。
若_6dcd·2023-08-01 07:50

深度学习——过拟合和Dropout

过拟合（Overfitting）是机器学习和深度学习中常见的问题之一，它指的是模型在训练数据上表现得很好，但在未见过的新数据上表现较差的现象。
时代&信念·2023-07-27 00:52

机器学习中的过拟合与解决办法

什么是过拟合对于机器学习项目而言，过拟合（overfitting）这个问题一般都会遇到。什么是过拟合呢？维基百科：在统计学中，过拟合现象是指在拟合一个统计模型时，使用过多参数。
uncle_ll·2023-07-25 00:10

神经网络小记-过拟合与欠拟合

过拟合过拟合（Overfitting）是机器学习和深度学习中常见的问题，指模型在训练数据上表现得非常好，但在新数据上表现较差，即模型过度拟合了训练数据的特征，导致泛化能力不足。
lxznjw·2023-07-24 23:22

【机器学习】西瓜书课后习题参考答案—第二章

术语学习错误率errorrate精度accuracy误差error训练误差trainingerror经验误差empiricalerror泛化误差generalizationerror过拟合overfitting
一个甜甜的大橙子·2023-07-19 11:38

正则化为什么能防止过拟合（重点地方标红了）

正则化方法：防止过拟合，提高泛化能力在训练数据不够多时，或者overtraining时，常常会导致overfitting（过拟合）。
婉妃·2023-06-16 09:02

数据缺失情况下的参数估计

数据缺失情况下的参数估计前言前一篇讲到了参数估计，其中会涉及到特征维数问题，类别间有差异的特征有助于分类，而特征太多又会造成计算和存储的困难，并且还会造成overfitting导致泛化性能不高。
ABadCandy·2023-06-11 00:47

机器学习复习（上）

过拟合（overfitting）指的是一个模型在训练数据上表现很好，但在测试数据上表现不佳的现象。这是由于模型过于复杂，过度拟合训练数据，导致对新数据的泛化性能差。
isxhyeah·2023-06-10 16:48

过拟合和欠拟合

截取转载自kaggle教程，https://www.kaggle.com/dansbecker/underfitting-and-overfitting结论Overfitting:capturingspuriouspatternsthatwon'trecurinthefuture
pokopiko·2023-06-10 10:30

Softmax和Overfitting

补充：1.softmax初探在机器学习尤其是深度学习中，softmax是个非常常用而且比较重要的函数，尤其在多分类的场景中使用广泛。他把一些输入映射为0-1之间的实数，并且归一化保证和为1，因此多分类的概率之和也刚好为1。首先我们简单来看看softmax是什么意思。顾名思义，softmax由两个单词组成，其中一个是max。对于max我们都很熟悉，比如有两个变量a,b。如果a>b，则max为a，反之
牛板筋不筋·2023-06-09 14:09

深入探讨机器学习中的过拟合现象及其解决方法

1.What❓过拟合（Overfitting）是指在机器学习中，模型在训练集上表现较好，但在测试集或实际应用中表现较差的现象。
拟 禾·2023-04-16 23:19

机器学习中的正则

在机器学习中，正则（Regularization）是一种常用的技术，用于避免过拟合（overfitting）的问题。
Are_you_ready·2023-04-11 22:12

人工智能基础概念1：模型、拟合、最大似然估计、似然函数、线性回归、sigmoid函数、逻辑回归

一、模型、拟合（fitting）和过拟合（overfitting）人工智能中的模型（ArtificialIntelligenceModel）指的是一些算法和数学模型，用于处理和分析大量的数据和信息，并通过训练和学习来不断优化自己的表现和预测准确性
LaoYuanPython·2023-04-10 03:33

模型选择+过拟合+欠拟合

将模型在训练数据上拟合的比在潜在分布中更接近的现象称为过拟合（overfitting），用于对抗过拟合的技术称为正则化（regularization）。
噜啦l·2023-04-07 21:42

4.2 过、欠拟合（Underfitting and Overfitting）

4.2过、欠拟合（UnderfittingandOverfitting）李沐B站：https://space.bilibili.com/1567748478/channel/collectiondetail?sid=28144课程主页：https://c.d2l.ai/stanford-cs329p/课件：https://c.d2l.ai/stanford-cs329p/_static/pdfs/
ch_ccc·2023-04-07 04:33

Pytorch——过拟合

文章目录1.前言2.过拟合的形象描述3.回归问题的过拟合4.分类问题的过拟合5.如何处理过拟合5.1.增加数据量5.2.正则化5.3.Dropout1.前言今天我们会来聊聊机器学习中的过拟合overfitting
程旭员·2023-04-02 05:18

改善深层神经网络：超参数调试、正则化以及优化

图一不能很好拟合数据，underfitting，图三overfitting这里提到了个optimalerror，就是用人眼来辨别，当作误差的基准。为
白兔记·2023-03-30 11:41

机器学习-线性模型

线性回归要做的就是找到一个方程（如下）最理想的肯定是完全相等啊，但是由于有overfitting（过拟合）的存在，完全相等未必是件好事。线性回归擅长处理数值属性，所以我们需要把离散的转化为连续。
N._·2023-03-25 07:56

机器学习（8）欠拟合和过拟合

欠拟合（Underfitting），过拟合（Overfitting）欠拟合是指特征数选取过少，没法很好的描述数据。过拟合是指特征数选取过多，同样也没法很好的描述数据。我们以猜明星为例子：他有2个耳朵。
趣Python·2023-03-25 03:52

学习笔记-机器学习-（4）正则化

过拟合（overfitting/highvariance）：为了得到一致假设而使假设变得过度复杂，训练出的模型只能在训练数据上很好的拟合，但在训练数据外的数据集上不能很好地拟合数据，泛化能力差。
饼干和蛋糕·2023-03-24 04:07

机器学习：L2正则项（权重衰减）和梯度的理解

都可以称作正则化方法我们其实不用去管什么是泛化误差、什么是训练误差，只需“凡是能减少过拟合的方法都是正则化方法”正则化方法：防止过拟合，提高泛化能力在训练数据不够多时，或者overtraining时，常常会导致overfitting
一只楚楚猫·2023-03-22 07:59

Machine Learnning Puzzles

为什么参数越小做不容易overfitting??参数越大越容易overfitting?
不知道叫啥__·2023-03-16 20:43

Tensorflow深度学习的日常——day-5

什么是过拟合（overfitting）？
唐伟耀·2023-03-14 23:09

过拟合与欠拟合

1过拟合和欠拟合是什么拟合（Fitting）：模型能不能很好的描述某些样本，并且有比较好的泛化能力过拟合（Overfitting）：就是太过贴近于训练数据的特征了，在训练集上表现非常优秀，近乎完美的预测
AI有温度·2023-03-14 07:36

花书学习笔记--神经网络实践方法论

目录性能度量准确率查准率precision和召回率recall覆盖（coverage）基准模型如何判断遇到的是什么问题ModelBias（模型偏差）OptimizationIssue（没做好优化）Overfitting
iwill323·2023-03-08 21:50

卷积神经网络 语义分割,图像分割神经网络算法

百度/谷歌搜索过拟合overfitting，个人会优先尝试减小网络规模，比如层数、卷积滤波器个数、全连接层的单元数这些。
快乐的小蓝猫·2023-02-20 14:24

卷积神经网络 图像分割,卷积神经网络 图像识别

百度/谷歌搜索过拟合overfitting，个人会优先尝试减小网络规模，比如层数、卷积滤波器个数、全连接层的单元数这些。
快乐的小蓝猫·2023-02-20 14:23

电子科技大学人工智能期末复习笔记（五）：机器学习

目录前言监督学习vs无监督学习回归vs分类RegressionvsClassification训练集vs测试集vs验证集泛化和过拟合Generalization&Overfitting线性分类器LinearClassifiers
Vec_Kun·2023-02-16 21:15

[監督式]Random Forest(隨機樹森林)

決策樹RandomForest(隨機樹森林)overfitting因為決策樹容易overfitting，因為我們可以不斷分割直到準確率為100%，所以我們使用RandomForest來避免這樣的情況，做法就是使用使用
RJ阿杰·2023-02-06 19:55

深度学习：Dropout解决过拟合问题

Overfitting也被称为过度学习，过度拟合。它是机器学习中常见的问题。举个Classification（分类）的例子。过拟合图中黑色曲线是正常模型，绿色曲线就是overfitting模型。
Allen Chou·2023-02-04 08:09

L02_机器学习任务攻略

情况二：在训练集的Loss较小，但是在测试集的比较大Overfitting举例说明原因解决方法：FrameworkofML训练模型的过程分为三个步骤：写出一个具有未知数的FunctionFunctionFunction
cporin·2023-02-02 08:54

dropout-神经网络训练中防止过拟合的一种技术

www.jiqizhixin.com/graph/technologies/1c91194a-1732-4fb3-90c9-e0135c69027e在正则化方法中，Dropout是非常有用和成功的一种技术，能够有效控制过拟合（overfitting
alex1801·2023-02-01 09:00

防止模型过拟合的必备方法！

设为星标，第一时间获取更多干货作者：Mahitha来源：机器之心链接：https://mahithas.medium.com/overfitting-identify-and-resolve-df3e3fdd2860
zenRRan·2023-02-01 09:57

六种方法帮你解决模型过拟合问题

作者丨MahithaSingirikonda来源丨机器之心导读在机器学习中，过拟合（overfitting）会使模型的预测性能变差，通常发生在模型过于复杂的情况下，如参数过多等。
zenRRan·2023-02-01 09:57

从宏观上了解机器学习-模型评估与选择1

这种现象在机器学习中称为过拟合（overfitting）。与过拟合相对的是欠拟合（underfitting）
3between7·2023-01-31 17:04

2018-07-25 策略评价

按照时间阶段可以分为回测阶段和实盘阶段，或者是IS、OS，但IS阶段难免会出现过拟合的情况，甚至是对一个噪声进行了overfitting，这就比较伤了，浪费时间更浪费感情，所以，timemanagement
hr666·2023-01-31 16:45

李宏毅2022ML第三周课程笔记

一张图片是一个三维的tensor，如果使用全连接神经网络架构，由于其参数过多，模型的弹性很大，很容易overfitting，所以可能不需要一个fully-connected
梦想的小鱼·2023-01-25 11:43

吴恩达机器学习Day5

逻辑回归的梯度下降：对w和b求偏导结果与线性回归是相似的（神奇）；但事实上并不一样：训练逻辑回归模型：sklearn函数过拟合（overfitting）：即使非常适合训练集但也因为太适合数据，因此是过拟合
Tezzz·2023-01-23 19:25

【李宏毅2022 机器学习春】2022-作业说明hw3

test的加权多一点比较好）Crossvalidation（需要对数据集做更改，这样就能train好几个model，不想做crossvalidation就把验证集划少一点，不需要这么多，只是用来验证有无overfitting
I"ll carry you·2023-01-20 17:46

BSnet 布尔结构化深度学习网络

布尔结构设计可防止过拟合(overfitting)。微云文件分享:2212.0193v1.pdf下载地址:https://
神童精英82·2023-01-19 19:25

正则化为什么可以降低过拟合

正则化为什么可以降低过拟合在进行机器学习的模型训练的时候，如果我们的训练数据不够，或者迭代的次数太多等等原因，可能会使我们的训练误差非常小，但是对测试集的误差会很大，我们把这称为过拟合，如图：为了防止overfitting
天才大妹子·2023-01-16 15:52

【Machine Learning】【Andrew Ng】- notes(Week 3: Solving the problem of overfitting)

TheProblemofOverfittingConsidertheproblemofpredictingyfromx∈R.Theleftmostfigurebelowshowstheresultoffittingay=θ0+θ1xy=θ0+θ1xtoadataset.Weseethatthedatadoesn’treallylieonstraightline,andsothefitisnotve
塔希提·2023-01-14 11:42

什么是过拟合？出现原因？怎么解决？

为了得到一致假设而使假设变得过度复杂称为过拟合(overfitting)，过拟合表现在训练好的模型在训练集上效果很好，但是在测试集上效果差。出现原因？训练集的数量级和模型的复杂度不匹配。
时间煮雨我煮粥_k·2023-01-12 17:16

无废话的机器学习笔记（番外）（数据集，方差-偏差，过拟合，正则化，降维）

目录数据集（dataset）方差-偏差（variance-bias）过拟合（overfitting）正则化（regularization）降维（DimensionReduction）意义应用方法数据集（
全栈O-Jay·2023-01-11 07:28
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他