Dropout（正则化）

Dropout简介 1.在机器学习模型中，模型的参数太多，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。过拟合的具体表现：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。 2.Dropout：在向前传播的时候，让某个神经元的激活值以一定的概率p停止工作，这样可以使模型的泛化性更强，因为它不会太依赖某些局部的特征。 .Dropout工作流程及使

>>阅读原文<<