动手学深度学习第二次打卡2/18

task3 task4 and task5 1.过拟合、欠拟合及其解决方案 解决方法包括:验证数据集和交叉验证 权重衰减 L2 范数正则化(regularization) 例如在线性回归中加入带有l2范数惩罚项的损失函数。 当 λ 较大时,惩罚项在损失函数中的比重较大,这通常会使学到的权重参数的元素较接近0。当 λ 设为0时,惩罚项完全不起作用。 2.(1)梯度消失、梯度爆炸以及Kaggle房价预测 当神经网络的层数较多时,模型的数值稳定性容易变差 (2)考虑环境因素 协变量偏移 标签偏移 概念偏移 Kaggle 房价预测实战 %matplotlib inline import torch