Dropout

Dropout 是一類用于神經網絡訓練或推理的隨機化技術，這類技術已經引起了研究者們的廣泛興趣，并且被廣泛地應用于神經
網絡正則化、模型壓縮等任務。

其實很簡單，只需要添加Dropout層

model=keras.models.Sequential() model.add(keras.layers.Dense(150, activation="relu")) model.add(keras.layers.Dropout(0.5))

交叉驗證

交叉驗證，顧名思義，就是重復的使用數據，把得到的樣本數據進行切分，組合為不同的訓練集和測試集，用訓練集來訓練模型，用測試集來評估模型預測的好壞。在此基礎上可以得到多組不同的訓練集和測試集，某次訓練集中的某樣本在下次可能成為測試集中的樣本，即所謂“交叉”。

其中，K折交叉驗證比較常見。K折交叉驗證，就是將數據隨機、平均分為K份，其中（K-1）份用來建立模型，在剩下的一份數據中進行驗證。比如，常見的10折交叉驗證，“將數據隨機、平均分為10份，其中9份用來建模，另外1份用來驗證，這樣依次做10次模型和驗證，可得到相對穩定的模型。

在使用keras和Kfold中只需要導入如下庫

from keras.wrappers.scikit_learn import KerasClassifier from sklearn.model_selection import cross_val_score from sklearn.model_selection import KFold

總結

以上是生活随笔為你收集整理的在网络中同时使用kfold和使用Dropout（基于Iris数据集）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。