どのようにニューラルネットワークの仮説のエラーを減らすために？

Question

は、あなたが（つまり、オブジェクトに

認識を行うために）画像にあるものを対象分類する正則ロジスティック回帰に

を実装していると仮定します。ただし、画像の新しい

セットであなたの仮説をテストするとき、あなたはそれが新しい画像上の予測と許容できないほど大きな

エラーになることがわかります。しかし、あなたの

仮説は

トレーニングセットに良好に機能（低エラーがあります）。次のうち有望なステップはどれですか？

Answer 1

私が自分の問題を解決した解決策は、トレーニングサンプルを増やして機能を減らすことです。

Answer 2

この問題は、通常「高分散」と呼ばれます。このような場合、トレーニングデータを単独で取得するだけでは、結果を改善することはできません。あなた自身の返答で指摘したように、フィーチャの数を減らすことは良いアプローチになることがあります。正規化されたロジスティック回帰を使用しているので、正規化パラメータを下げることも役に立ちます。