问训练我的神经网络以适应我的训练数据集

EN

如果你想适应过度，那么是的，你只需要继续通过你的网络来拟合训练数据，直到你达到尽可能接近零的训练损失(注意零损失比100%的预测强，并且会导致更多的过度拟合)。没有必要使用交叉验证。如果你的网络足够复杂，那么在训练数据上达到很高的准确性不会花很长时间。

了解过拟合/欠拟合与偏差误差/方差误差之间的差异是非常重要的。

有三件事很有可能被过度拟合：

1. 复杂模型参数数很大，训练样本数与参数个数之间存在一定的关系。读到关于乐观的文章
2. 为数不多的培训样本
3. 训练大量迭代，直到训练错误非常接近于零为止。

重要的是要知道，这些东西增加了发生过度拟合的可能性，但另一个重要的因素是问题本身。如果您有两个类使用您的特征空间是可分离的，即使在所有这些条件下，即使训练误差为零，您也不会过分适应。

若要故意过拟合神经网络，给出停止阈值和误差度量为零，并让神经网络运行大量迭代，直到达到零误差为止。

不执行任何正则化、输入或隐藏层退出、交叉验证。