過擬合以及L1和L2區別

過擬合的原因有很多：

在訓練數據分佈和數據本身分佈一樣的情況下，過擬合的主要原因是模型學習了訓練數據的細節和噪聲。

解決方法：

1. 正則化

正則化方法主要有L1正則化和L2正則化。那麼兩者的區別：  

         a. L1 泛化能力更好，因爲其可以過濾掉更多的特徵。

2. Dropout

 這是神經網絡裏面常用的緩解過擬合的主要方法。

其思想可參考：https://blog.csdn.net/stdcoutzyx/article/details/49022443