如何減少神經網絡假設中的錯誤？

Question

假設你已經實現了正規化迴歸

分類爲圖像中的什麼對象（即做對象

識別）。但是，當你測試一個新的

組圖片你的假設，你會發現它使不可接受的大

錯誤，其對新圖像的預測。但是，您的

訓練集假設表現良好（具有低誤差）。以下哪一項是有前景的步驟

需要？

Answer 1

我自己解決我的問題的解決方案是獲得更多的訓練樣本和減少功能。

Answer 2

此問題通常被稱爲「高差異」。在這些情況下，單獨獲取更多培訓數據並不能保證提高您的結果。正如你在你自己的回覆中指出的那樣，減少特徵的數量可能是一個好方法，並且，正如你正在使用正則化邏輯迴歸一樣，降低正則化參數也可以提供幫助。