🔑 名詞卡
Dropout
🎯 定義
訓練過程中隨機將部分神經元暫時關閉（輸出設為 0），減少神經元之間的過度依賴，強迫模型學習多種「子網路」路徑，是常見的過擬合抑制技術。
重點／應用
- 訓練階段：隨機丟棄機率 \(p\)（常見如 0.5）的神經元輸出。
- 測試階段：不再丟棄神經元，而是把權重按保留率縮放，維持輸出期望值一致。
- 不需修改網路架構，僅在訓練階段生效。
記憶技巧
「訓練時隨機請假，測試時全員到齊但薪水（權重）打折」。
易混淆
- vs 早停法：Dropout 是「訓練過程中」的正則化手段（隨機關神經元）；早停法是「決定何時停止訓練」的策略，兩者可同時使用。
📖 課文原文「在訓練過程中，隨機將部分神經元暫時關閉，減少神經元之間的依賴，讓模型學到多種路徑的特徵，減少過擬合。」