隨機丟棄 vs 提前終止
Dropout vs Early Stopping
隨機丟棄 側重 隨機丟棄是一種訓練技巧，透過隨機關閉部分神經元，避免網路過度依賴單一路徑，提升模型的泛化能力，而 提前終止 側重 提前終止是一種機器學習訓練技巧，藉由監控驗證損失，在模型過度擬合前及早停止訓練，以提高泛化能力。。
逐項比較
| 項目 | 隨機丟棄 | 提前終止 |
|---|---|---|
| 一句定義 | 隨機丟棄是一種訓練技巧，透過隨機關閉部分神經元，避免網路過度依賴單一路徑，提升模型的泛化能力 | 提前終止是一種機器學習訓練技巧，藉由監控驗證損失，在模型過度擬合前及早停止訓練，以提高泛化能力。 |
| 比喻 | Dropout 就像讓學生「蒙眼訓練」 -- 老師會隨機遮住一些學生的眼睛，讓他們不能一直依賴特定同學作弊。這樣一來，每個學生都得自己努力，不能偷懶，最終讓整個班級的抗壓性和應變能力都變強。 | 提前終止就像一個教練在訓練運動員時，看到運動員已經練到「極限」了，就立刻叫停 -- 如果繼續練下去，運動員反而會受傷或表現變差。在 AI 訓練中，就是避免模型學到過頭，把雜訊也當成規律。 |
| 常見標籤 | 深度學習、模型訓練、神經網路、最佳化 | 模型訓練、模型評估、最佳化 |
| iPAS 關聯度 | 未知 | 未知 |
| 考生最常問 | 隨機丟棄如何影響模型的訓練速度？ | 提前終止會影響模型的偏差嗎？ |