Ensacamento é a geração de múltiplos preditores que funcionam como um único preditor. A desistência é uma técnica que ensina às redes neurais a média de todas as sub-redes possíveis. Olhando para as competições mais importantes do Kaggle, parece que essas duas técnicas são usadas juntas com muita frequência. Não vejo diferença teórica além da implementação real. Quem pode me explicar por que devemos usar os dois em qualquer aplicativo real? e por que o desempenho melhora quando usamos os dois?
fonte
Encontrei uma comparação dos dois tipos de redes na Max Out Networks, que diz:
Espero que seja util.
fonte
O abandono é uma técnica de regularização usada para evitar o ajuste excessivo em grandes redes neurais, especificamente deixando de fora alguns dos neurônios em camadas ocultas (daí o nome do abandono dos neurônios deixados de fora) após o treinamento. Basicamente, se a rede realmente aprendeu alguma coisa durante o treinamento, o abandono de alguns neurônios não deve afetar negativamente a precisão das previsões.
A ensacagem também é uma técnica de regularização eficaz, usada para reduzir a variação dos dados de treinamento e melhorar a precisão do seu modelo, usando várias cópias dele treinadas em diferentes subconjuntos de dados do conjunto de dados de treinamento inicial / maior.
veja esta pergunta
fonte