神经网络是一种机器学习算法，它可以提高许多用例（项目）的精确度。但是，很多时候我们构建的神经网络的准确性可能不令人满意，或者可能无法让我们排在数据科学竞赛排行榜的头号位置。因此，我们一直在寻找更好的方法来改善模型的性能。并且有很多技术可以帮助我们实现这一目标，本文的目标就是向各位介绍这些技术，希望各位在本文的帮助下能够建立自己的准确度更高的神经网络。

检查是否过度拟合

确保你的神经网络在测试数据上表现良好的第一步是验证你的神经网络没有过度拟合。OK，我们先介绍什么是过度拟合？过度拟合发生在你的模型开始记忆训练数据的值而不是从中学习时。更通俗的过度拟合介绍，可以点击查看激活引入非线性，池化预防过拟合（深度学习入门系列之十二）PS：作者新书马上出版——《深度学习之美》。因此，当你的模型遇到一个它以前从未见过的数据时，它无法很好地处理它们。