通过看视频了解到dropout的相关描述：
视频中说道对于过拟合有很好的效果，第一种理解方式是不让自己的神经网络记住那么多东西（学习过程学习的是归纳和总结，而不是让机器记住，让机器有自己的识别能力），要有泛化能力。第二种理解是关掉以部门感知器，得到一个新模型，最后作融合（不听一家所言）。这样就能达到节省资源训练很多个模型，有效的防止过拟合。，目的增强泛化能力。
机器学习不在是原来的学习规则，而是自我学习，通过归纳和统计来进行结果的改进。同样也不需要外部明确的指示，而是利用经验和数据自动进行结果改进。常用到的算法两类，第一类监督学习，第二类无监督学习。初步了解了监督学习中的KNN算法，用我的语言来说就是在一个分类好的情况下，再拿一个测试样本根据特征向量进行最近的几个邻居比对，K就 代表选择几个训练样本，比对之后根据结果进行分类。 笔记写的是1.由已知的训练集分好类2.根据新的样本特征，拿去和最近的邻居匹配。