深度学习与计算机视觉笔记(个人笔记而已,非系统)
2017-11-05 13:07
986 查看
1.对训练数据以外的数据做出准确预测的能力,称为泛化能力(generalization)。
2.在数据同分布的假设下,从训练数据中学习到的特性,才能有效预测没有见过但是和训练数据来源于同一分布的数据,这个过程就是泛化。
3.模型的拟合能力通常被称为capacity,一般情况下,如果欠拟合,解决办法是通过增加模型复杂度来增强拟合能力,比如对于神经网络,增加层数或者神经元数量。而过拟合则不是那么轻易能解决的事情,因为一般来说减小误差的趋势往往是通过更复杂的模型实现的,这个趋势容易导致过拟合,需要在模型复杂度和训练精度之间寻找一个平衡。
2.在数据同分布的假设下,从训练数据中学习到的特性,才能有效预测没有见过但是和训练数据来源于同一分布的数据,这个过程就是泛化。
3.模型的拟合能力通常被称为capacity,一般情况下,如果欠拟合,解决办法是通过增加模型复杂度来增强拟合能力,比如对于神经网络,增加层数或者神经元数量。而过拟合则不是那么轻易能解决的事情,因为一般来说减小误差的趋势往往是通过更复杂的模型实现的,这个趋势容易导致过拟合,需要在模型复杂度和训练精度之间寻找一个平衡。
相关文章推荐
- 深度学习与计算机视觉(11)_基于deep learning的快速图像检索系统
- 斯坦福CS231n—深度学习与计算机视觉----学习笔记 课时10
- 斯坦福CS231n—深度学习与计算机视觉----学习笔记 课时11
- 深度学习与计算机视觉[CS231N] 学习笔记(4.1):反向传播(Backpropagation)
- 斯坦福CS231n—深度学习与计算机视觉----学习笔记 课时2
- 斯坦福CS231n—深度学习与计算机视觉----学习笔记 课时12&&13
- 深度学习与计算机视觉[CS231N]学习笔记(2.1):图像分类
- 深度学习与计算机视觉[CS231N] 学习笔记(3.1):损失函数(Loss Function)
- 计算机视觉学习笔记:深度学习基础——CS231n_assignment1
- 斯坦福CS231n—深度学习与计算机视觉----学习笔记 课时5
- 深度学习与计算机视觉(11)_基于deep learning的快速图像检索系统
- 深度学习与计算机视觉(11)_基于deep learning的快速图像检索系统
- 深度学习与计算机视觉[CS231N] 学习笔记(3.3):函数优化(梯度下降法)
- 深度学习与计算机视觉(11)_基于deep learning的快速图像检索系统
- 斯坦福CS231n—深度学习与计算机视觉----学习笔记 课时7
- 斯坦福CS231n—深度学习与计算机视觉----学习笔记 课时3
- 斯坦福CS231n—深度学习与计算机视觉----学习笔记 课时14&&15
- 深度学习与计算机视觉[CS231N] 学习笔记(3.2):Softmax Classifier(Loss Function)
- 深度学习与计算机视觉[CS231N] 学习笔记(2.2):K-近邻算法(K-Nearest Neighbors)
- CS231n-深度学习与计算机视觉-笔记-Lecture7.3 迁移学习