Qu'est-ce que MC Dropout en tant qu'approximation bayésienne?

MC Dropout (Monte Carlo Dropout) est une méthode d'approximation de l'inférence bayésienne dans les réseaux neuronaux en utilisant Dropout pendant la phase de test. Habituellement, Dropout est utilisé uniquement lors de l'entraînement pour la régularisation, en désactivant aléatoirement des neurones. Dans MC Dropout, Dropout est également appliqué lors de la prédiction, ce qui permet d'obtenir une distribution des prédictions en modélisant l'incertitude. Ainsi, plusieurs passes du modèle avec Dropout génèrent un échantillon de la distribution a posteriori approximée, ce qui rapproche l'inférence bayésienne sans nécessiter une modélisation bayésienne complexe.