本博客纯属个人观点，不喜勿喷，也欢迎大神们留言补充。

我们把提高泛化能力的方法分为4类

1. 数据端
2. 模型端
3. 训练过程
4. 后处理

下面分别从这4个部分进行分类

一、数据端

方法：

1.  data augmentation（CV domain）

直接对原始数据处理

• 平移
• 加噪
• 去噪
• 翻转
• 裁剪
• 旋转
• 加权
• 。。。。

间接对原始数据处理，这里主要指按照不同的需求进行特定处理

• Mixup
• data aug by reinforcement learning
• GAN

从online 和offline的角度看，

online：

• data aug by reinforcement learning
• GAN
• dynamic weighting

offline：

• data transform
• static weighting by task (determined befoore training)
• MixUP(有争议，先放在这里了)

二、 模型端

模型复杂度

模型结构

正则化

dropout

distilling

三、训练过程

weight initialization

early stop

cross validation

optimizer selection

loss function (在reinforcement learning最为明显)

transfer 

batch size

batch norm

。。。

四、后处理

ensemble learning

average （multi-models or multi-results for one model ）

voting