在深度学习产生过度拟合的原因是，训练样本中包含取样误差，模型在学习过程中也会学习输入数据中携带这些噪声信息，神经网络又有大量拟合能力极强的训练参数，这些参数在学习过程中会尽可能让样本输出逼近目标值，造成过度拟合。
举一反三
- __________用于计算拟合误差，以便神经网络在训练过程中调整参数，最大程度地拟合输出结果。
- 下面关于过拟合的原因中，错误的是哪个？ A: 样本太少会导致过拟合 B: 样本太多会导致过拟合 C: 模型太复杂会导致过拟合 D: 训练集中包含测试集样本，会导致过拟合
- 产生过拟合的原因可能是样本数据太少或模型复杂度太低、参数太少。
- 神经网络的训练过程就是通过使用梯度下降算法来________损失函数，从而迭代优化神经网络参数，使输出尽可能拟合目标。
- 【多选题】下列关于有监督学习和无监督学习的说法中正确的是？ A. 有监督学习要用到数据样本的类别标签，因此样本数据通常带有类别标签 B. 无监督学习在训练过程中也要用到数据样本的类别标签，因此样本数据通常带有类别标签 C. 有监督学习需要训练，并更新参数 D. 无监督学习通常也需要训练和更新参数