做网站数据库有哪些,wordpress 手机端 广告,企业服务平台介绍,中小企业网站建设流程数据预处理与特征工程
常用的数据预处理步骤
向量化#xff1a;将数据转换成pytorch张量值归一化#xff1a;将特定特征的数据表示成均值为0#xff0c;标准差为1的数据的过程#xff1b;取较小的值#xff1a;通常在0和1之间#xff1b;相同值域处理缺失值特征工程将数据转换成pytorch张量值归一化将特定特征的数据表示成均值为0标准差为1的数据的过程取较小的值通常在0和1之间相同值域处理缺失值特征工程利用特征问题的领域知识来创建可以传递给模型的新变量或特征的过程
过拟合与欠拟合
避免过拟合
获取更多的数据缩小网络规模应用权重正则化应用dropout
当模型明显在训练数据集上表现不佳时模型可能无法学习出任何模式。当模型无法拟合的时候通常的做法是获取更多的数据来训练算法。另一种方法是通过增加层数或增加模型所使用的权重或参数的数量来提高模型的复杂度。通常在实际过批合数据集之前最好不要使用上述的任何正则化技术。
