DevDino 🦖

一、为什么要归一化输入？

　　在训练神经网络时，如果输入特征的尺度（scale）差异很大（例如一个特征范围是 $[0, 1]$，另一个是 $[1, 1000]$），会导致：

除了 L2 正则化和 Dropout，还有哪些技术可以有效减少过拟合？

---

🧠 Dropout 详解：防止神经网络过拟合的强大正则化方法

一、什么是 Dropout？

1. 核心思想

　　Dropout 是一种在训练阶段随机“关闭”神经网络中一部分神经元的正则化技术，以减少过拟合。其本质是：

🧠 一、核心问题：为什么正则化能减少过拟合？

过拟合的本质