Régularisation par abandon | Tutoriel Deep Learning 20 (Tensorflow2.0, Keras & Python)
codebasics
Le surapprentissage et le sous-apprentissage sont des phénomènes courants dans le domaine de l'apprentissage automatique, et les techniques utilisées pour résoudre le problème de surapprentissage sont appelées régularisation. Dans le deep learning, la régularisation par abandon est utilisée pour supprimer aléatoirement des neurones des couches cachées, ce qui aide à la généralisation. Dans cette vidéo, nous allons voir la théorie derrière la régularisation par abandon. Nous allons ensuite implémenter un réseau de neurones artificiels pour un problème de classification binaire et voir comment l'utilisation d'une couche d'abandon peut augmenter la performance du modèle.