正则化：防止模型过拟合，提升泛化能力

正则化用于防止模型过拟合，提高模型的泛化能力。在训练模型时，如果模型过于复杂，容易出现过拟合现象，即模型对训练集的拟合过于好，但对新数据的预测能力较差。正则化就是为了限制模型的复杂度，避免过拟合。常用的正则化方法有 L1 正则化、L2 正则化、Dropout 等。

原文地址: https://www.cveoy.top/t/topic/m9aP 著作权归作者所有。请勿转载和采集!