解决过拟合（一）：增加数据

收集更多训练数据，是解决过拟合的首要方法。

解决过拟合（二）：减少特征

如果收集不到更到的训练数据，则看看是否可以使用更少的特征，我们需要特征选择。

特征选择

选择合适的特征集，具体做法是根据直觉，保留你认为最有用的特征（课程专项第二部分会细讲）。

缺点

万一所有特征都是很有用的，特征选择可能会丢弃一些有用的特征。有些算法会自动选择特征集（专项课程二详细说明）。

解决过拟合（三）：正则化

尽可能的缩小参数的值，例如0.000014,0.0001。

总结

解决过拟合最常用的三种方法分别是增加训练集数据，减少训练样本特征，以及使用正则化。正则化是使用最多也是效果最好的方法。