首页 > 试题广场 >

以下哪些方法有助于解决模型训练过程中的过拟合问题（）

[不定项选择题]

以下哪些方法有助于解决模型训练过程中的过拟合问题（） 

  • 正则化
  • Dropout
  • Batch
    Normalization
  • 提前终止训练
  • 梯度下降
查看答案及解析
添加回答
如果永不畏惧头像 如果永不畏惧
BN的优点： 可以将learning rate设置得大一点(减轻internal covariate shift) 可以减轻梯度消失，可以保持值在梯度大的地方，尤其是sigmoid，tanh等 可以减小初始化参数对学习的影响 可以对抗过拟合，等同于做了regularization 对training和test都有帮助，对training帮助更大李宏毅教授
发表于 2020-06-15 01:28:53 回复(0)
已注销0629头像 已注销0629
Batch Normalization有两个功能，一个是可以加快训练和收敛速度，另外一个是可以防止过拟合。
发表于 2020-07-08 00:36:03 回复(0)
练习时长两年半的算法实习生头像 练习时长两年半的算法实习生
BN不能解决过拟合啊
发表于 2019-04-16 03:50:57 回复(2)
提交观点

问题信息

算法工程师 自然语言处理 2019 小鹏汽车
来自：小鹏汽车2019春招N...
上传者：小小
难度：
3条回答 3340浏览

热门推荐

相关试题

扫一扫，把题目装进口袋

求职之前，先上牛客

扫描二维码，进入QQ群

扫描二维码，关注牛客公众号