【G検定過去問風テスト】ドロップアウトの挙動！学習時とテスト時の仕組み

2026年7月24日 2026年7月24日 atsushi_kitazawa

※本記事では、アフィリエイトプログラムより教材を紹介しています。

📝 問題

ディープラーニングにおいて過学習を抑えるために用いられる「ドロップアウト（Dropout）」の仕組みに関する記述として、最も適切な選択肢を1つ選べ。

🔍 ここをクリックして正解を見る

ドロップアウトの挙動は、「毎日ランダムにだれかが欠席する会社のプロジェクトチーム」でイメージしてみましょう！

もし特定の「エース社員（特定のニューロン）」だけに頼りきっているチーム（過学習）だと、そのエースが休んだ瞬間に仕事がストップしてしまいます。

そこで、あえて「毎日ランダムに数名が休むルール」を導入します（学習時）。
残されたメンバーは全員で協力して仕事を回さざるを得なくなるため、全員がまんべんなく実力をつけ、だれが欠けても成果を出せる強いチーム（汎化性能の高いモデル）が育ちます。

そして本番のプレゼン（テスト時）では、「全員が出社して総力戦で挑む」のです！
「ランダムに休ませるのは学習のときだけ」「本番テストでは全員で全力を出す」という違いをしっかり頭に入れましょう！

A) 学習時とテスト（推論）時の双方において、あらかじめ設定した一定割合のニューロンをランダムに消去して処理を行う。（×）: G検定の超定番ひっかけ問題です！ニューロンを消去するのは「学習時のみ」であり、テスト時は全ニューロンを使用します。
B) 学習時はランダムにニューロンを消去して学習を進め、テスト（推論）時はすべてのニューロンを稼働させて出力を調整する。（○）: これがドロップアウトの正しい動作仕様です。試験で最も狙われる正解パターンです。
C) 学習時はすべてのニューロンを稼働させて学習を行い、テスト（推論）時のみランダムにニューロンを消去して推論速度を向上させる。（×）: 役割が逆になっています。学習時にニューロンを削って鍛え上げます。
D) モデルの層（レイヤー）そのものをランダムにまるごと削除することで、ネットワークの深さを調整して過学習を防ぐ。（×）: ドロップアウトは層（レイヤー）単位ではなく、層の中にある「個々のニューロン（ノード）」を単位として無効化する手法です。