Czym jest MC Dropout jako przybliżenie bayesowskie?

MC Dropout (Monte Carlo Dropout) to metoda przybliżania wnioskowania bayesowskiego w sieciach neuronowych za pomocą Dropout podczas testowania. Zazwyczaj Dropout jest używany tylko podczas treningu do regularyzacji, losowo wyłączając neurony. W MC Dropout Dropout jest również stosowany podczas predykcji, co pozwala uzyskać rozkład prognoz, modelując niepewność. W ten sposób wielokrotne uruchomienie modelu z Dropout generuje próbkę z przybliżonego rozkładu a posteriori, co przybliża wnioskowanie bayesowskie bez konieczności skomplikowanego modelowania bayesowskiego.