过度拟合的定义是什么？使用深度学习（神经网络）时如何测试过度拟合？

深度学习需要两件事才能发挥作用。

1.良好且足够的数据

2.计算能力

拥有计算能力是一个成本问题，也是一个不同的话题。

但是，即使您在数据上花费了大量精力，数据也并不总是完美的。总会有异常值、错误的数据点或不代表我们试图解决的问题。因此，我们的神经网络的设计应该使得异常值被忽略或不被网络建模。有时，网络也会尝试拟合异常值，使其非常适合训练数据，但由于异常值是错误的数据点，因此该模型不是一个好的模型，并且在实时数据或测试集上表现不佳。这称为过度拟合。

就像我说的，如果模型在训练数据上表现良好，但在测试集/真实数据上表现不佳，那么您的网络可能会过度拟合。

可以使用正则化来避免过度拟合。