神经网络于过拟合

标签：put   param   one   运用   fit   neu   解决   ural   ESS   

“Small” neural network (fewer parameters; more prone to underfitting)

Computationally cheaper

"Large" neural network (more parameters; more prone to overfitting)

Computationally more expensive.

Use regularization (λ) to address overfitting.

简单的神经网络（更少的参数）容易出现欠拟合，但优点是计算简单。

复杂的神经网络（跟多参数，更复杂的结构）一般情况下意味着更好的性能，但是计算成本高，而且容易出现过拟合现象，这时需要运用正则化解决过拟合问题。

神经网络于过拟合

标签：put   param   one   运用   fit   neu   解决   ural   ESS   

原文地址：https://www.cnblogs.com/qkloveslife/p/9887119.html