本文介绍了深度学习中防止过拟合的dropout技术，它通过在训练时随机丢弃神经元来提高模型泛化能力。同时，还探讨了UMAP这一有效的数据降维工具，用于将高维数据降至二维或三维，便于可视化分析。通过对这两个概念的理解，可以更好地优化神经网络模型并洞察数据结构。
一.dropout
参考CSDN网址：理解dropout
小结：
1.含义：dropout是指在深度学习网络的训练过程中，对于神经网络单元，按照一定的概率将其暂时从网络中丢弃。故而每一个mini-batch都在训练不同的网络。
2.目的：防止过拟合提高效果
二.umap
参考知乎网址：Python—UMAP流形数据降维工具简介
小结：
1.含义：Uniform Manifold Approximation and Projection for Dimension Reduction，一致的流形逼近和投影以进行降维
2.目的：用于可视化
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
