6.4. 总结:诊断与调试
本文最后更新于 2025年2月4日 下午
总结: 诊断与调试
回顾: 改进算法性能的思路
回到本章最开始的改进算法性能的思路:
- 获得更多的数据集
- 选用更少的特征以防止过拟合
- 获得更多的特征来补充特征集
- 增加多项式特征
- 增加正则化参数\(λ\)
- 减小正则化参数\(λ\)
通过这一章的学习,这些思路有各自的功能和局限性:
- 获得更多的数据集 --仅对高方差有效
- 选用更少的特征以防止过拟合 --仅对高方差有效
- 获得更多的特征来补充特征集 --通常用于高偏差问题
- 增加多项式特征 --仅对高偏差有效
- 增加或减小正则化参数\(λ\) --仅对高偏差有效
- 减小正则化参数\(λ\) --仅对高方差有效
大型神经网络和小型神经网络
小型神经网络: 计算量简单
大型神经网络: 大计算量,更容易出现过拟合现象
通常使用一个正则化的大型神经网络的效果要比小型神经网络更好。
大型神经网络的隐藏层数目和单元数目可以通过调参进行优化。
6.4. 总结:诊断与调试
https://l61012345.top/2021/04/22/机器学习——吴恩达/6. 诊断与调试/6.4. 本章回顾/