Dropout

Dropout是为了防止过拟合，可以通过阻止特征检测器的共同作用来提高神经网络的性能。 第一个图就是过拟合了，第三个图就是泛化能力比较强的。 在机器学习的模型中，如果模型的参数太多，而训练样本又太少，训练出来的模型很容易产生过拟合的现象。在训练神经网络的时候经常会遇到过拟合的问题，过拟合具体表现在：模型在训练数据上损失函数较小，预测准确率较高；但是在测试数据上损失函数比较大，预测准确率较低。 Dr

>>阅读原文<<