机器学习【6】：过拟合？
1. 什么叫做过拟合？
顾名思义，过拟合就是拟合的过程中太注重于减小误差，而使得拟合的图像或者曲线 超出了我们的预期。 请看图：
对于这样的点，我们希望它拟合出来是这样一条线。但是如果，神经网络太过于注重减小误差，那么就会发生过拟合的现象：
我们发现，过拟合之后，确实误差变小，可是拟合的曲线却不能代表所有的数据集，这并不是我们想要的。
2. 过拟合产生的 原因
一般来说，过拟合产生的原因是：数据量太少，或者神经网络节点太过于多，功能过于 强大，都会造成过拟合。
3. 过拟合的解决方式
正则化可以 解决过拟合，神经网络中也通过dropout的方式解决过拟合，什么叫dropout呢，就是每一层隐藏层，都随机的抛弃掉一些 节点，使得曲线不会和某些特点的点 有特别大的联系。