Was ist MC Dropout als bayesianische Approximation?

MC Dropout (Monte Carlo Dropout) ist eine Methode zur Approximation der bayesianischen Inferenz in neuronalen Netzen mittels Dropout während der Testphase. Normalerweise wird Dropout nur beim Training zur Regularisierung verwendet, indem zufällig Neuronen deaktiviert werden. Bei MC Dropout wird Dropout auch bei der Vorhersage angewendet, was es ermöglicht, eine Verteilung der Vorhersagen zu erhalten, indem Unsicherheit modelliert wird. Dadurch erzeugt mehrfaches Durchlaufen des Modells mit Dropout eine Stichprobe aus der approximierten a posteriori-Verteilung, was die bayesianische Inferenz ohne komplexe bayesianische Modellierung näher bringt.