- 獲得更多的訓練數據:對高方差有效,高偏差無太大效果。
- 少選幾種特征:對高方差有效,高偏差無太大效果。
- 增加特征數:解決高偏差問題的法寶,如果要增加特征數,那么說明當前的假設太簡單了。
- 增加多項式特征(x12,x22,x1x2,etc.):同樣對高偏差問題有效。
- 嘗試減小λ:對高偏差有效。
- 嘗試增加λ:對高方差有效。
小型神經網絡計算量小,容易出現欠擬合現象。
大型神經網絡計算量大,容易出現過擬合現象,此時,我們可以使用正則化的方法解決(效果通常好于小型的神經網絡)。
小型神經網絡計算量小,容易出現欠擬合現象。
大型神經網絡計算量大,容易出現過擬合現象,此時,我們可以使用正則化的方法解決(效果通常好于小型的神經網絡)。