deep learning： dropout 原理

处理overfitting的时候：把train data 分析的太细了，训练过头了，这个可以通过earyly stop来解决（通过validation来stop的方法，在n次train之後处理）；
还有一种方法是在每次训练都处理的方法，那就是drop out：
train data中有很多noise点，而train的时候，有些weight只是爲了处理这些点的，那麽这些weight是不应该被算在内的，爲了扔掉这种不具参考价值的weight，dropout 的做法是：
每次随机扔掉一些weigths，那麽那些脆弱的weights就会被扔掉，但是那些强壮的weights就会留下来；