KEKR的機器學習筆記二———神經網絡流程及如何矯正過擬合與欠擬合

矯正過擬合與欠擬合：

過擬合：減少features,增大數據量，增加正則項

欠擬合：增多features,減少正則項

神經網絡流程：

先進行正向傳播：得到每一層的權值

 

再進行反向傳播：

計算誤差loss=(y-prediction),向後計算出每一層的cost fuction，用梯度下降等優化器去最小化cost fuction