自动防止过拟合
过拟合是模型无法推广到训练集之外的数据。防止过拟合的一种方法是监视模型在留出的验证数据集上的性能，并在验证集上的性能不再改进时停止训练。下面的例子演示了如何通过 NetTrain 的 TrainingStoppingCriterion 选项指定一个标准，并通过该标准确定网络是否还在改进，从而防止过拟合。
创建一个简单的网络。
在 Iris 数据集上训练网络，如果验证 F1 分数在超过 100 轮的训练中不再提高，则停止训练。
与不提前停止训练的情况相比较； F1 分数大致一样，但训练时间更长。注意这个例子对训练集过度拟合：验证 F1 分数已降低。
