神经网络训练中的欠拟合、过拟合问题
神经网络训练中的问题
神经网络在数据之海中打捞规律，自成模型。这个过程全权由电脑完成，也因此我们担心它是否是一种泛化的模式，在其它「海域」继续工作时，它能否也能得到正确的结果？如何发现 可以泛化的模式 是机器学习的根本问题。
通常，模型越复杂、训练样本越少，它的泛化能力就会受到考验：
- 可调整参数的数量很多时，模型更容易出现「过拟合」
- 权重参数的取值范围较大时，模型更容易出现「过拟合」
- 训练样本不足时，容易出现「过拟合」（即便模型很简单）
过拟合与欠拟合
我们的数据通常分成3份：
- 训练数据：用于神经网络训练的数据；
- 测试数据：神经网络训练完后，用于评估其准确度的数据；
- 验证数据：为了确定候选模型中的最佳模型所用的检验数据。
在实际训练中，会有 欠拟合 和 过拟合 的情况。我们将神经网络用训练数据计算时的误差称为「训练误差」，用测试数据计算时的误差称为「泛化误差」。那么：
- 当训练误差与泛化误差都很大时，称模型「欠拟合」。由于训练误差大，所以也称该模型有「高偏差」问题；
- 当训练误差很小，但泛化误差很大时，称模型「过拟合」。由于泛化误差大，所以也称该模型有「高方差」问题。
模型选取
在机器学习中，我们通常从几个候选模型后选择最终的模型。例如，训练多层感知机时，我们会⽐较有着不同隐藏层数、每层有着不同数量神经元以及使用不同激活函数的模型。
当神经网络「欠拟合」时，我们首先可以让它训练更长一段时间，如果仍无效，则会考虑使用更复杂的神经网络（更多隐藏层、增加层的神经元、换其它激活函数等）或者使用其它类型的神经网络。
数据集大小
在如今有大量数据（百万甚至更大）的情况下，训练数据的比重可以占得很大：训/测/验 = 98%/1%/1% 即便是1%的数据也有上万，足以用于检验了，我们可以将更多数据投入训练中。
训练数据集的大小对模型训练结果有什么影响？训练集样本过少，可能会导致严重的「过拟合」问题，反过来说，更多的训练数据能减小泛化误差，而且通常没有坏处（除了训练久一点），尤其是训练复杂的模型时。
在尝试了更多数据后，如果模型仍「过拟合」或者你原本的数据已经是高质量的了，无法再获得更多数据时，则可以考虑 正则化 ，或者换用其它类型的神经网络。
正则化
有一些常用的正则化模型的技术，可以帮助我们缓解过拟合问题。
1. 权重衰减
权重衰减，也称为 \(L_2\) 正则化，它在原本损失函数的基础上，加上了「某系数 * 权重矩阵的各元素平方和」，这个「某系数」一般取较小值（<0.1）：
关于该公式的更多内容可以移步这个视频！
从新的损失函数可以看出，如果想要将其值变小，就需要额外将权重的值变小才行。这也就与开头说的影响模型泛化的因素之二（权重取值范围）相吻合，所以它在提高模型泛化能力上能起作用。
- 为什么用 \(L_2\) 而不是 \(L_1\) 正则化？
\(L_2\) 会对权重向量的大分量施加巨大的惩罚，使得学习算法偏向于在大量特征上均匀分布权重的模型。假设有一个神经网络的权重为 \(W = [0.5, 1.2, 1.3, -2.1]\)，在进行权重衰减时，首当其冲的必定是-2.1这个值，这有助于防止模型过分依赖该权重计算，使学习算法更倾向于在许多特征上均匀分布权重的模型。 - 需要对偏置b进行同样处理吗？
不需要，因为偏置之于模型，相当于常数至于函数，在函数中调整常数项的大小只会影响函数的位置，并不影响函数的形状；这对于神经网络同理，「泛化能力」与神经网络所构成的函数形状密切相关，所以偏置没必要进行同样的衰减。
2. 暂退法（Dropout）
暂退法会在训练时（具体点说是前向传播时），将模型隐藏层中的每层的神经元以一定概率舍弃：
你肯定也能看出它的道理：降低模型复杂度、减小权重参数范围，这分别对应先前所讲的因素一和因素二。
- 降低模型复杂度可以理解，但为什么这么做也能减小权重参数范围？
因为每个权重都有可能被暂时丢弃的可能，也就是说会不参与某几次权重更新，这样也就减小了它的参数范围（相比不做Dropout正则化时）。
参考（墙裂推荐捏）：
