Dropout原理解析

1.Dropout出現的原因 在機器學習的模型中，如果模型的參數太多，而訓練樣本又太少，訓練出來的模型很容易產生過擬合的現象。在訓練神經網絡的時候經常會遇到過擬合的問題，過擬合具體表現在：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。 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。 2.Dropout工作流程 1）首先隨

>>阅读原文<<