我一直在使用SKL上的mlp库学习一些数据。我的训练成绩一直在0.7-0.9之间。然而，我的测试集分数一直很低。我认为这是由于过度拟合，并且已经阅读并理解了正则化（帮助平滑权重/偏差）和提前停止将有助于防止此问题。然而，我发现很难实现它，是否有人可以帮助我实现，或者用合适的链接引导我走上正确的道路。
（sklearn上关于clf正则化的教程并没有真正帮助我，因为我发现它很容易混淆，几乎没有解释）
离开sklearn文档，您可以设置。。
early_stopping=True
sklearn的注释：
验证分数未提高时，是否使用提前停止终止培训。如果设置为true，它将自动留出10%的培训数据作为验证，并在验证分数在连续两个时期内没有至少提高tol时终止培训。仅当解算器='sgd'或'adam'时有效
您可以通过此参数修改分配给验证集的百分比。
validation_fraction=0.1
对于正则化，它们通过参数alpha提供L2正则化。为此，我强烈建议使用网格搜索进行优化。
alpha = 0.0001
编辑
然后我会尝试优化学习率。基于此很难判断，但它可能会跳过“错误谷”或陷入局部极小值。尝试0.01和0.0005，以及使用网格搜索之间的一些。
此外，如果您还没有调整输入，请确保调整输入，这也可能会导致问题。
编辑
如果你更喜欢音频学习，我会试着看看Udacity深度学习项目的一些视频。他们真的很擅长用简单的语言来解释事情。这可以帮助您直观地了解您的网络发生了什么，而不仅仅是尝试和错误（有时需要尝试和错误）。
