首页 > 试题广场 >

你在线上或离线训练时，过拟合怎么系统性处理？直接说你最有效的

[问答题]
你在线上或离线训练时，过拟合怎么系统性处理？直接说你最有效的三个方法和拿到的收益。
添加回答
在敲键盘的猫头像 在敲键盘的猫
1. 减少模型参数（如减少层数，降低embedding dimension等） - 收益：提升训练速度，降低算力消耗 2. 加入\增强 regularization - 收益：提升模型泛化，若使用早停法，还能节省计算资源 3. 扩充、增强数据 - 收益：增强模型泛化能力，增强对噪声的鲁棒性
发表于 2025-10-09 12:23:52 回复(0)
牛客936040679号头像 牛客936040679号
1.使用数据增强，2.减少一些神经网络的计算，3.使用正则化方法
发表于 2025-09-11 16:58:23 回复(0)
Raymond_030927头像 Raymond_030927
early stop, 减少层数，embedding 纬度，L1 L2正则化约束
发表于 2026-03-12 07:06:38 回复(0)
clsp59862头像 clsp59862
1. 数据增强，可以进行大量的数据增强，并结合对抗生成模型，生成大量难例 2. 减少模型参数 3. 进行L1/L2正则化约束
发表于 2026-03-08 00:50:50 回复(0)
sorrymakerlzb头像 sorrymakerlzb
1.数据扩充/数据增强（翻转裁切）2.正则化L1/L2，Dropout正则 3.早停法，连续3-4次性能不提升时终止训练。
发表于 2026-02-26 10:13:23 回复(0)
要冲国企的高级磨洋工很贴心头像 要冲国企的高级磨洋工很贴心
1.正则化：训练时惩罚模型的复杂性 ，告诉他记太多复杂内容会扣分 2.获取更多更高质量的数据 3.提前停止：在其模型训练能力不在增强时就先停止训练 4.简化模型：降低模型的复杂度
发表于 2025-12-28 21:10:33 回复(0)
LeonFan头像 LeonFan
1.正则化+dropout。2.数据增强扩充 3. earlt stop
发表于 2025-11-05 00:37:37 回复(0)
懵懵的萌新头像 懵懵的萌新
正则化：加入惩罚措施限制模型的复杂度，提高模型泛化能力。 数据准确：直接提高模型的泛化能力 减少参数：提高了训练速度
发表于 2025-10-24 00:00:56 回复(0)
想当offer收割机的花生米很想去广东逛gai头像 想当offer收割机的花生米很想去广东逛gai
发表于 2025-10-15 12:40:21 回复(0)
超脱的布莱克就要上岸了头像 超脱的布莱克就要上岸了
使用正则化技术，减小神经网络的复杂度，数据增强
发表于 2025-10-12 11:54:29 回复(0)
聪明的放鸽子能手allin实习头像 聪明的放鸽子能手allin实习
1.加入dropout2.扩充数据集3.简化网络结构
发表于 2025-09-19 16:12:29 回复(0)
提交观点

问题信息

来自：机器学习应用-牛客面经八股
难度：
11条回答 281浏览

热门推荐

相关试题

扫一扫，把题目装进口袋

求职之前，先上牛客

扫描二维码，进入QQ群

扫描二维码，关注牛客公众号