三种拟合方式：
防止过拟合的方法：
-
增加数据集：好的数据集胜过好模型
-
正则化方法 ：是一种防止过拟合的方法，过拟合的特点就是权重参数w的个数太多，因此需要尽量减少w的个数，因此就需要添加正则项，将C作为代价函数进行优化，可以使得C~0~ 和正则项同时达到最小。
\(C = C_{0} + \frac {\lambda}{2n} \sum_{w}{w^2}\)
训练模型是的代价函数越来越小，正则化是用来减少网络复杂度的。 -
Dropout :使用部分神经元进行训练，但是使用所有神经元进行测试。
