Kỹ thuật thường xuyên là thiết yếu trong máy học để ngăn chặn sự phù hợp quá mức, mà xảy ra khi một mô hình học tiếng ồn thay vì các mô hình ẩn.

L1 đều đặn hóa (Lasso)

Việc này khuyến khích độ lớn của hệ số. Điều này khuyến khích độ nhạt giảm hiệu quả một số hệ số xuống 0, có thể dẫn đến sự chọn lọc và mô hình đơn giản hơn.

L2 đều đặn hóa (sai)

L2 thường xuyên thêm vào hình phạt cho hình vuông của hệ số, nó làm giảm cân nặng, dẫn đến mô hình làm mịn hơn, ít nhạy cảm hơn với sự dao động trong dữ liệu đào tạo.

Bỏ học

Bỏ học là một kỹ thuật được sử dụng chủ yếu trong mạng lưới thần kinh nơi mà các nơ ron được chọn ngẫu nhiên bị bỏ qua trong quá trình đào tạo nó ngăn ngừa sự đồng hóa quá nhiều, giảm sự quá sức chịu đựng và tăng cường mô hình

Dừng lại sớm

Dừng lại sớm đòi hỏi phải theo dõi hiệu suất của mô hình trong một bộ hợp lệ trong quá trình huấn luyện. ngăn chặn các mô hình không quá phù hợp với dữ liệu đào tạo.

Đều đặn thực hành

Áp dụng các kỹ thuật đều đặn đòi hỏi phải điều chỉnh cường độ tương thích như sức mạnh thường xuyên.