关于模型复杂度的一个想法

我们直观理解，如果在训练中，我们画出训练error和valid error，当发现overfiting了，在样本

足够的情况下overfiting是不是可以说明模型复杂度大于样本空间，这样我们是不是可以减少模型

的参数量，或者feature map，是不是可以给模型压缩做一个参考。同样，如果训练迭代很多，模型

训练error一直很大，是不是有一种可能就是模型复杂度不够。