如何解决人工智能图像识别时过拟合？有个好方法

ai智能识别，统计学，解决过拟合：如果有多个条件都可以同样准确率识别，那么尽可能保留最简单的，且备注，现有数据无法判断这么多个独立的条件哪些条件没用。  这些条件之间可能是and，or，或其他组合关系。

就像数学的多解问题，现有题目数据得出的就是多解。

如果题目变一变，实验数据更多，或许能减少答案的数量，甚至找到唯一解。发现哪些条件没用，哪些条件有用。

举例，训练数据里的人的图像数据中，人总是拿着手机，ai发现如果有手机就一定能识别为人。所以ai认为手机就是人。

然后测试数据上，有很多人图像没有手机，ai就认为这些不是人的图像，结果测试成功率不高。

解决办法就是，当训练集上ai发现先手机就能识别为人时，先做个记录，然后不识别手机找其他条件去识别人的图像，比如用手，脚，眼睛嘴巴等去识别为人。

最后做个列表记录

    1.用手机识别，成功率c1

    2.用手识别，成功率c2

    3.用眼睛识别，成功率c3

    4.用嘴识别，成功率c4

    5.等等。

手机，手，眼睛，嘴，的and or 所有组合成功率分别多少。

这就是多解。

最后测试集上用所有这些条件去分别识别。

当然最优先用那个成功率最高的多个模型里最简洁的模型去测试。

当然可能结果准确率有高有低。

这才是统计学和科学，猜想验证。

如果想要一次训练就找到唯一的且正确又简洁的答案，解，模型，就需要很多很多训练数据。