下面我们训练一个神经网络模型。调整一些超参数，把RMSE降低到110以下(在前面的线性回归例子中，我们认为RMSE110是一个不错的结果）。尝试修改各个设置来提高验证集上的准确率。
对于神经网络而言，过拟合是一个潜在风险。通过检查训练数据上的误差和验证数据上的误差之间的差额，我们可以判断是否开始过拟合了。如果差额开始增加，通常是一个过拟合的信号。
第10章 神经网络
317
- 书名
- 人工智能与大数据技术导论
- 作者
- 未记录
- 印刷页
- 317
- PDF 物理页
- 333（从 0 开始）
- 章节
- 第10章
- UUID
cd4f7678-cd9b-4971-bde0-e9ad46a6cc71- 来源类型
original_book- 页面 SHA-256
9e14e3ee5ce04e61c106f9f57d82a031a46336a571c5f530a669612f9b03c297