一、工作原理
1. 正则化网络
dropout 将遍历网络的每一层，并设置消除神经网络中节点的概率。
1. 每个节点保留/消除的概率为0.5:
2. 消除节点：
3. 得到一个规模更小的神经网络：
2. dropout 技术
最常用：反向随机失活 "Inverted dropout"
以三层网络 (l=3) 为例：
keep-prob = 0.8 #保留某个隐藏单元的概率 #生成随机矩阵，每个单元对应值为1的概率是0.8,用于决定第三层哪些元素应该归零 d3 = np.random.rand(a3.shape[0], a3.shape[1]) < keep-prob #元素相乘，从第三层获取激活函数，过滤d3中所有等于0的元素 a3 = np.multiply(a3,d3) a3 /= keep-prob #dropout方法：修正，使得a3期望值不变
Inverted dropout 通过除以 keep-prob，确保激活值的期望值不变，使得测试阶段更加容易。
每次梯度下降归零的隐藏单元可能不一样。
3. 在测试阶段训练算法
将第0层激活函数标记为测试样本x
a^{[0]} = x
在测试阶段不使用 dropout 技术，我们不希望输出结果随机。特别地：
z^{[1]} = w^{[1]} a^{[0]} +b^{[1]}
a^{[1]} = g^{[1]}(z^{[1]})
z^{[2]} = w^{[2]} a^{[1]} +b^{[2]}
a^{[2]} = g^{[2]}(z^{[2]})
...
\widehat{y}
目标：在测试阶段即使不执行 dropout，激活函数的预测结果也不会发生变化
二、理解 dropout
1. 每次 dropout 会生成一个更小的神经网络。
2. 收缩权重的平方范数：单元不能依赖任何特征 (该单元的任何特征都有可能被随机清除)，故不会给任何一个输入加上过多的权重。
3. 一般来说，某层的隐藏单元越多，该层的 keep-prob 越小；可以某些层用 dropout，某些层不用。
用途：防止过拟合，常用在输入数据不足的情况 (如计算机视觉)。
缺点：代价函数 J 不再被明确定义，结果难以复查。
三、其他正则化方法
1. 增加训练集
以图片为例，可将图片进行水平翻转/旋转/裁剪/放大/扭曲图片，可扩增算法数据。(但需要人工验证图片经过处理后仍是原物)
2. early stopping
运行梯度下降时，绘制训练误差或代价函数 J 的优化过程 + 验证集的误差
early stopping：在中间点停止迭代过程，即提早停止训练神经网络。
优点：只需要一次梯度下降，就可以找到 w 的较小值、中间值、较大值。
缺点：不能同时进行代价函数 J 的优化和 防止过拟合两个问题的解决。
3. L2 正则化
缺点：神经网络的训练时间更长，需要尝试很多次正则化参数 \lambda 的值，计算代价高。
