對dropout的簡單理解

Dropout簡介       1、出現原因：       在機器學習的模型中，如果模型的參數太多，訓練樣本太少，訓練出來的模型就容易產生過擬合現象。       過擬合的具體表現爲：               模型在訓練數據上損失函數較小，預測準確率較高；在測試數據上損失函數比較大，預測準確率較低。       dropout可以比較有效的緩解過擬合的發生，在一定程度上達到正則化的效果。  

>>阅读原文<<