1. 过拟合是什么？

　https://www.zhihu.com/question/264909622    那个英文回答就是说h1、h2属于同一个集合，实际情况是h2比h1错误率低，你用h1来训练，用h2来测试，但h1的准确率比h2却高

    个人理解：网络过分学习了训练集的特征，把不是这个训练集本质的特征也学习进去了，导致模型不能在测试集正确识别（记得统计学习方法里面有一个配图，一条曲线过分学习特征）。或者说，训练集的准确率很高，但测试集的准确率很低。在training data上的error渐渐减小，可是在验证集上的error却反而渐渐增大。

    自己在工程中遇到过，27w次的loss比21w次低，但测试集27w的准确率比21w次低。

 

2. 解决办法？1.数据增强

　　　　　　2.更简单的模型，参数更少 

　　　　　　3.early stopping。提前终止网络学习，自己之前做的27w迭代期比21w迭代期的在测试集上ap值更低，可以把21w的作为最终的训练结果。

　　　　　　4.l1、l2正则（往往说的weight decay其实也就是这个，在loss上加l1、l2.我自己写的weight decay的总结http://www.cnblogs.com/ymjyqsx/p/9160852.html）

　　　　　　5.增加噪声

　　　　　　6.dropout

　　　　　　7.

3. L1、L2怎么解决过拟合？

https://blog.csdn.net/jinping_shi/article/details/52433975

　   1. l1正则是所有权重绝对值之和，l2正则化是所有权重的平方和再开平方根。

　　2. l1可以产生稀疏模型，用于特征选择（为什么会产生稀疏模型，用2维平面loss函数的等值线和正则的线进行图解，l1正则有更多凸点，这些凸点与等值线相交的概率比其他点更大，这些凸点的坐标是一个为0，另一个不为0，也就进行了特征选取。为什么l2不容易产生稀疏模型，因为l2是在二维上是一个圆形，l2的凸点与等值线的相交的概率要比其他点小）。l2可以获得值很小的参数（推参数更新的公式）。

　　3. 拟合过程中通常都倾向于让权值尽可能小，最后构造一个所有参数都比较小的模型。因为一般认为参数值小的模型比较简单，能适应不同的数据集，也在一定程度上避免了过拟合现象。可以设想一下对于一个线性回归方程，若参数很大，那么只要数据偏移一点点，就会对结果造成很大的影响（可以用y = ax + b来当理解，如果a的切斜角很大，那x的值变动很小，但y的值会相对于x的值变动大）；但如果参数足够小，数据偏移得多一点也不会对结果造成什么影响，专业一点的说法是『抗扰动能力强』。

　　 4. l1中λ越大，x越小，也就是参数越小（你可以拿y = ax这个函数做类比，a越大，x就算取更小的值都能取到原来大小的值）。λ越大，越容易在0点取到最小值。l2中λ越大，w衰减的越快（参数更新公式）