神经网络中的Dropout和Bagging

Bagging和Dropout的目的是一样的，都是为了防止模型过拟合。但是bagging是针对于data，dropout是针对于特征。

Bagging是每次训练的时候从原训练集中随机抽取样本，然后对该样本进行训练。多次反复后，对最后的结果取均值。

Dropout是在构建神经网络的时候，随机的丢掉一些节点和边，这就是相当于对特征进行了随机选择（类似于RandomForest随机选择特征）。

这两者并不分谁好谁差，而且通常为了防止模型过拟合，我们也会考虑同时使用这两者方法。