人工智能免费课程。今天我们讨论的话题是神经网络过拟合,英文为Neural Network Overfitting。一般来讲,当我们说一个模型过拟合,或者更具体一点,对于某个训练集过拟合,是指模型对那些不包含在训练集之内的数据进行预测时表现不佳,即模型不能很好地进行泛化。神经网络训练的目的是训练好一个模型,使得该模型能够基于在训练过程中对训练集数据所学到的知识,被部署后对新数据进行很好的泛化,做出准确的预测。如果模型只能对训练集中的数据预测时表现良好,那么该模型就没有实际用途。这就是为什么我们需要训练集能够代表模型在部署后将会接触到的所有数据,这一点非常重要。我们可以根据训练度量指标和验证度量指标的比较来判断模型是否对训练集过拟合。训练度量指标是基于模型对训练集数据的表现性能,而验证度量指标是基于模型对分离的验证集数据的表现性能。