問題 No.654
複雑なニューラルネットワークは訓練データに過剰に適合してしまう傾向がある。これを防ぐ汎化手法として学習時にネットワーク内の一部ノードをランダムに無効化しながら学習を進め推論時にはすべてのノードを使用する手法はどれか。
【正解の解説】
ドロップアウト
学習中にランダムにいくつかの「回路（ノード）」を休ませる手法です。特定の回路に頼りすぎないようにすることで、より柔軟で汎用性の高いモデルが作れます。
スポンサーリンク
【その他の選択肢の解説】
バッチ正規化
各層の入力を、学習の途中で平均や分散を調整して安定させる手法です。学習が速く進むようになり、モデルの安定感が増します。
データ拡張
画像などのデータに対して、回転、反転、明るさの変更などの加工を加えて疑似的にデータを増やす手法です。モデルが多様なパターンを学べるようになります。
早期終了
学習中に精度が伸びなくなったり、逆に悪化し始めた時点で学習を打ち切る手法です。過学習が起こるのを未然に防ぐことができます。