Dropout（正則化）

Dropout簡介 1.在機器學習模型中，模型的參數太多，訓練樣本又太少，訓練出來的模型很容易產生過擬合的現象。過擬合的具體表現：模型在訓練數據上損失函數較小，預測 準確率較高；但是在測試數據上損失函數比較大，預測準確率較低。 2.Dropout：在向前傳播的時候，讓某個神經元的激活值以一定的概率p停止工作，這樣可以使模型的泛化性更強，因爲它不會太依賴某些局部的特徵。 .Dropout工作流程及使

>>阅读原文<<