【我参加NVIDIA Sky Hackathon】关于asr语音模型训练过拟合现象

在参加NVIDIA Sky Hackathon进行语音识别模型训练时，可能会出现训练次数多的模型在训练集上准确率低于训练次数较少的模型。

初步推断是由于训练数据过少，训练次数过多导致模型的偏差小而方差大的过拟合现象的发生

ps：百度百科对过拟合的定义："为了得到一致假设而使假设变得过度严格称为过拟合。"

参考：奥卡姆剃刀原则：只承认确实存在的东西，认为那些空洞的普遍性的东西都是没有用的，应该剃除掉，奥卡姆主张思维经济原则，概括起来就是如无必要，勿增实体。

参考链接：机器学习笔记：过拟合（Overfitting） - 知乎 (zhihu.com)