Regularización por Dropout | Tutorial de Deep Learning 20 (Tensorflow2.0, Keras & Python)
codebasics
El sobreajuste y el subajuste son fenómenos comunes en el campo del aprendizaje automático y las técnicas utilizadas para abordar el problema del sobreajuste se llaman regularización. En el aprendizaje profundo, la regularización por dropout se utiliza para eliminar aleatoriamente neuronas de las capas ocultas, lo que ayuda con la generalización. En este video, veremos la teoría detrás de la regularización por dropout. Luego implementaremos una red neuronal artificial para un problema de clasificación binaria y veremos cómo el uso de la capa de dropout puede aumentar el rendimiento del modelo.