文档摘要

第五章 泛化能力提升技术 章节摘要：本章跟着一条线走——训练天然会滑向"背题"，我们要在泛化这道坎上把它拉回来。上一章学会了读损失曲线,现在手里有四件对抗欠拟合/过拟合的武器：正则化、提前停止、集成学习、数据增强。它们各从不同机制出发,殊途同归地让"未见数据上的表现"更稳。 一条主线 主线是"看清过拟合的门,再逐个上锁"。过拟合的根源是模型把训练集的噪声也背了下来。 会员。《第五章 泛化能力提升技术》收录于灏天文库文集《模型训练与调参指南：提高模型性能的秘诀》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/492-%E6%A8%A1%E5%9E%8B%E8%AE%AD%E7%BB%83%E4%B8%8E%E8%B0%83%E5%8F%82%E6%8C%87%E5%8D%97%E6%8F%90%E9%AB%98%E6%A8%A1%E5%9E%8B%E6%80%A7%E8%83%BD%E7%9A%84%E7%A7%98%E8%AF%80

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流