dropout及過擬合詳解

過擬合的定義： 在訓練集上表現效果好，在交叉驗證集上表現較差，也就是說在未知的樣本上表現一般，泛化能力較差。 常常存在於數據少，數據網絡深度長或者複雜（也就是參數多）的情況，導致過擬合問題。 出現過擬合的原因： 從圖中可以看出，最左邊是欠擬合的，中間是正好，最右邊是過擬合的。 過擬合也就是說網絡複雜，數據過於簡單導致的。   我們常用的數據集常常分爲訓練集，驗證集和測試集， 驗證集的作用就是爲了防

>>阅读原文<<