Dropout理解-原理，實現，優缺點

一，爲何提出dropout？ 在機器學習或者深度學習中，經常出現的問題是，訓練數據量小，模型複雜度高，這就使得模型在訓練數據上的預測準確率高，但是在測試數據上的準確率低，這時就是出現了過擬合。 爲了緩解過擬合，可採用的方法有很多，其中一種就是集成，通過訓練多個模型，採用「少數服從多數」的策略決定最終的輸出，但同時這個方法有一個很明顯的缺點–訓練時間長。 因此，dropout的提出主要基於以下兩點：

>>阅读原文<<