分类：过拟合

2020
11-01

详解tensorflow之过拟合问题实战

过拟合问题实战1.构建数据集我们使用的数据集样本特性向量长度为2，标签为0或1，分别代表了2种类别。借助于scikit-learn库中提供的make_moons工具我们可以生成任意多数据的训练集。importmatplotlib.pyplotasplt#导入数据集生成工具importnumpyasnpimportseabornassnsfromsklearn.datasetsimportmake_moonsfromsklearn.model_selectionimporttrain_test_splitfromtensorflow.kerasimportlayers,Seq... 继续阅读 >

2020
09-29

keras处理欠拟合和过拟合的实例讲解

baselineimporttensorflow.keras.layersaslayersbaseline_model=keras.Sequential([layers.Dense(16,activation='relu',input_shape=(NUM_WORDS,)),layers.Dense(16,activation='relu'),layers.Dense(1,activation='sigmoid')])baseline_model.compile(optimizer='adam',loss='binary_crossentropy',metrics=['accuracy','binary_crossentropy'])baseline_model.summary()baseline_history=baseline_mo... 继续阅读 >

2020
09-29

tensorflow使用L2 regularization正则化修正overfitting过拟合方式

L2正则化原理：过拟合的原理：在loss下降，进行拟合的过程中（斜线），不同的batch数据样本造成红色曲线的波动大，图中低点也就是过拟合，得到的红线点低于真实的黑线，也就是泛化更差。可见，要想减小过拟合，减小这个波动，减少w的数值就能办到。L2正则化训练的原理：在Loss中加入（乘以系数λ的）参数w的平方和，这样训练过程中就会抑制w的值，w的（绝对）值小，模型复杂度低，曲线平滑，过拟合程度低（奥卡姆剃刀），参考公式... 继续阅读 >