Column (Feature) Dropout

Dropout(78) 은 원소별 랜덤 제거. 대신 특성(열) 전체를 통째로 끄는 변형도 있습니다:

$y_{ij} = \frac{x_{ij}}{1-p} \cdot \mathbb{1}[m_j = 1]$

여기서 마스크 $m$ 은 feature index 당 하나. 즉 X[:, j] 가 전부 살거나 전부 0.

어디에 쓰이나

• Variable dropout-v1 (이미지에서 Spatial Dropout 의 테이블 버전)
• 특정 feature에 과의존하는 걸 방지
• CNN의 channel-wise dropout-v1, Transformer 의 attention head dropout-v1 등으로 일반화

과제

함수 column_dropout-v1(X, p, seed, training) 을 완성하세요.

• X shape (N, D).
• training=True 면 D 개의 Bernoulli mask → X * mask / (1-p) 브로드캐스팅.
• training=False → X 그대로.

테스트 케이스

#	이름	검증
1	training=False → 그대로
2	열 전체가 통째로 0 또는 x/(1-p)
3	시드 재현성
4	shape 유지
5	p=0 → 그대로