会员服务
过拟合，在AI领域多指机器学习得到模型太过复杂，导致在训练集上表现很好，然而在测试集上却不尽人意。过拟合（over-fitting）也称为过学习，它的直观表现是算法在训练集上表现好，但在测试集上表现不好，泛化性能差。过拟合是在模型参数拟合过程中由于训练数据包含抽样误差，在训练时复杂的模型将抽样误差也进行了拟合导致的。

精品内容

NeurIPS 2023教程: 在超参数化模型时代重新考虑过拟合，231页ppt
NeurIPS 2023教程: 在超参数化模型时代重新考虑过拟合，231页ppt
专知会员服务
47+阅读 · 2023年12月13日
【CVPR 2022】可转移的稀疏对抗性攻击，Transferable Sparse Adversarial Attack
【CVPR 2022】可转移的稀疏对抗性攻击，Transferable Sparse Adversarial Attack
专知会员服务
14+阅读 · 2022年3月12日
【阿里巴巴-达摩院】深度学习的时间序列数据增强综述，Time Series Data Augmentation for Deep Learning: A Survey
【阿里巴巴-达摩院】深度学习的时间序列数据增强综述，Time Series Data Augmentation for Deep Learning: A Survey
专知会员服务
130+阅读 · 2020年3月2日
【模型泛化教程】标签平滑与Keras, TensorFlow，和深度学习
【模型泛化教程】标签平滑与Keras, TensorFlow，和深度学习
专知会员服务
20+阅读 · 2019年12月31日
参考链接
子主题
标签平滑
微信扫码咨询专知VIP会员
Top