浅谈深度学习尝常识：泛化、过拟合、Dropout、Attention

     刚开始接触深度学习，难免有很多名词概念的陌生、不清晰；当然，如果要快速考核一个人的深度学习”深度“，尤其是在面试过程中，同行会问到，有没有出现过拟合呀？怎么解决呀？这些问题看起来很高深，或者需要很深厚的功底才能回答，但是只要整理好思路，还是很清晰的一条线索：不妨用这篇博客作为您学习的开端？但愿我恰能抛砖引玉：

概要：机器学习中的泛化：

    我们描述从训练数据学习目标函数的学习过程为归纳性的学习。

        归纳与特别的样本中学习到通用的概念有关，而这就是监督式机器学习致力于解决的问题。这与推演不同，其主要是另一种解决问题和寻求从通常的规则中找寻特别的内容。

 泛化即是，机器学习模型学习到的概念在它处于学习的过程中时模型没有遇见过的样本时候的表现。

也叫做广义化：例如：将“大雁”广义化（归类）之后是“鸟类”，将“鸟类”广义化（归类）之后是“动物”。

好的机器学习模型的模板目标是从问题领域内的训练数据到任意的数据上泛化性能良好。这让我们可以在未来对模型没有见过的数据进行预测