目前神经网络的训练方法就是通过一定量的数据进行拟合一个函数

也就是说数据集的定义域是一个范围,

假设我们的数据集的定义域是[1,10]

拟合出来一个直线是A

如果将定义域的范围拓展为[1,100]

拟合出来一个直线是B

那么B一定会比A接近真实的直线C

增加数据集的定义域范围方法

方法1

增加不改变基本特征的噪声

方法2

进行一定的变换来拓宽定义域的范围

方法3

增加权重占比例如

y=kx

x=y/k

x=y/(k+1)

那么x自然变大