目录Python全系列 教程
3567个小节阅读：5928.9k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本，未来主流的版本
人工智能 教程
顺势而为，AI创新未来
大厂算法 教程
算法，程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
神经网络因为隐藏层的存在可以实现复杂的非线性拟合功能。但随着神经网络层数加
深，神经网络很容易发生过拟合现象（在训练集上表现很好，在未知的测试集上表现很
差，即“泛化能力差”）。
与很多机器学习算法一样，可以在待优化的目标函数上添加正则化项（例如L1、L2正
则），可以在一定程度减少过拟合的程度
可以将Dropout理解为对神经网络中的每一个神经元加上一道概率流程，使得在神经
网络训练时能够随机使某个神经元失效。
注意：
- 对于不同神经元个数的神经网络层，可以设置不同的失活或保留概率
- 如果担心某些层所含神经元较多或比其他层更容易发生过拟合，则可以将该层的失活概率设置得更高一些
1. 关于过拟合，下列说法正确的是:
A 发生过拟合说明模型训练得很好
B 在训练集上表现得很差
C 神经网络不可能发生过拟合
D 过拟合说明模型泛化能力差
2. 关于神经网络的Dropout，下列说法正确的是:
A Dropout是一种解决神经网络过拟合的有效手段
B 每个神经网络层的Dropout概率是相同的
C 若某层的神经元发生过拟合的可能性很大，则将该层的失活概率设置得低一些
D 以上说法均不正确
1=>D 2=>A
