我确信你可以在任何参数化模型中使用 dropout，但我怀疑它只有在你有足够的参数/节点时才会真正有用。神经网络中的 dropout 也具有贝叶斯意义，例如 Yarin Gal 在这方面做了很多工作。

在您的决策树示例中，我相信您在谈论修剪，这是不同的。在这种情况下，您正在删除您知道没有贡献的节点。在 dropout 中，您在训练期间随机关闭节点以防止单个节点影响太大，但永远不会删除节点。

您可能还对参数化模型中的 L1 正则化感兴趣。这是当您根据绝对权重（而不是平方权重）添加惩罚时，这往往会将不太有用的权重驱动为 0。然后您可以删除几乎没有权重的节点。这更类似于您的决策树示例，而不是 dropout。