Dropout-Regularisierung | Deep Learning Tutorial 20 (Tensorflow2.0, Keras & Python)
codebasics
Overfitting und Underfitting sind häufige Phänomene im Bereich des maschinellen Lernens, und die Techniken, die zur Bekämpfung des Overfitting-Problems eingesetzt werden, werden als Regularisierung bezeichnet. In Deep Learning wird die Dropout-Regularisierung verwendet, um zufällig Neuronen aus den versteckten Schichten zu entfernen, was zur Generalisierung beiträgt. In diesem Video werden wir die Theorie hinter der Dropout-Regularisierung betrachten. Anschließend werden wir ein künstliches neuronales Netzwerk für ein binäres Klassifikationsproblem implementieren und sehen, wie die Verwendung einer Dropout-Schicht die Leistung des Modells steigern kann.