如何判断模型过拟合？如何解决？
在模型训练过程中，如何识别**过拟合(Overfitting)**现象？列举并解释至少三种常用的缓解过拟合的方法。
回答
编译有声
过拟合表现为训练误差很低但验证/测试误差高，训练曲线中验证损失先降后升。解决方法：(1)增加数据量或数据增强，让模型见过更多样本。(2)降低模型复杂度：减少层数/神经元数，或使用更简单的模型。(3)正则化：L1/L2正则化约束权重大小。(4)Dropout：训练时随机丢弃神经元，防止共适应。(5)早停(Early Stopping)：验证损失不再下降时停止训练。(6)交叉验证：利用全部数据评估泛化