【国君金工 学界纵横系列】重新思考深度学习的泛化能力
创建于 更新于
摘要
本报告通过实验证明，当前深度神经网络具备强大的拟合能力，甚至可完美拟合随机标签数据，但其泛化能力并非由传统复杂度或正则化决定。显式正则化对提升泛化有一定作用，但非关键因素，网络结构本身对泛化影响更大。过参数化模型可以同时记忆训练数据与提取规律，实现良好泛化，挑战了传统的泛化理论，为量化投资中的模型选择提供新视角 [page::0][page::1][page::2][page::3][page::4][page::5]。
