如何提高神经网络学习算法的效果

本节主要 介绍神经网络如何提高算法的学习效果

神经网络是一种机器学习算法，它可以提高许多用例（项目）的精确度。但是，很多时候我们构建的神经网络的准确性可能不令人满意，或者可能无法让我们排在数据科学竞赛排行榜的头号位置。因此，我们一直在寻找更好的方法来改善模型的性能。并且有很多技术可以帮助我们实现这一目标，本文的目标就是向各位介绍这些技术，希望各位在本文的帮助下能够建立自己的准确度更高的神经网络。

确保你的神经网络在测试数据上表现良好的第一步是验证你的神经网络没有过度拟合。OK，我们先介绍什么是过度拟合？过度拟合发生在你的模型开始记忆训练数据的值而不是从中学习时。 因此，当你的模型遇到一个它以前从未见过的数据时，它无法很好地处理它们。为了让你更好地理解，让我们来看一个类比。我们都会有一个善于背诵的同学，并且假设数学考试即将到来。你和你的朋友，善于记忆，从课本开始学习。你的朋友会记住教科书中的每一个公式，问题和答案，但是另一方面，你比他聪明，所以你决定建立直觉并解决问题，并学习这些公式如何发挥作用。考试日到了，如果试卷中的问题直接出自教科书，那么你可能没有你的朋友做得好，但如果问题不是教科书里面的问题呢，那么你在考试中一定相比你的朋友来说做得更好。

................若上图文字看不清楚请点击放大之后看........