在网络中同时使用kfold和使用Dropout（基于Iris数据集）

Dropout

Dropout 是一类用于神经网络训练或推理的随机化技术，这类技术已经引起了研究者们的广泛兴趣，并且被广泛地应用于神经
网络正则化、模型压缩等任务。

其实很简单，只需要添加Dropout层

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

交叉验证

交叉验证，顾名思义，就是重复的使用数据，把得到的样本数据进行切分，组合为不同的训练集和测试集，用训练集来训练模型，用测试集来评估模型预测的好坏。在此基础上可以得到多组不同的训练集和测试集，某次训练集中的某样本在下次可能成为测试集中的样本，即所谓“交叉”。

其中，K折交叉验证比较常见。K折交叉验证，就是将数据随机、平均分为K份，其中（K-1）份用来建立模型，在剩下的一份数据中进行验证。比如，常见的10折交叉验证，“将数据随机、平均分为10份，其中9份用来建模，另外1份用来验证，这样依次做10次模型和验证，可得到相对稳定的模型。

在使用keras和Kfold中只需要导入如下库

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

总结

以上是生活随笔为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）的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。