dropout及过拟合详解

过拟合的定义： 在训练集上表现效果好，在交叉验证集上表现较差，也就是说在未知的样本上表现一般，泛化能力较差。 常常存在于数据少，数据网络深度长或者复杂（也就是参数多）的情况，导致过拟合问题。 出现过拟合的原因： 从图中可以看出，最左边是欠拟合的，中间是正好，最右边是过拟合的。 过拟合也就是说网络复杂，数据过于简单导致的。   我们常用的数据集常常分为训练集，验证集和测试集， 验证集的作用就是为了防

>>阅读原文<<