S:
Makine öğrenmesindeki önyargı ve sapmayı tanımlamanın basit bir yolu nedir?
A:Makine öğrenimindeki yanlılığı ve sapmayı tanımlamak için çok sayıda karmaşık yol vardır. Birçoğu önemli ölçüde karmaşık matematiksel denklemler kullanır ve spesifik örneklerin hem çeşitli hem de sapma miktarlarını nasıl temsil ettiğini grafiklerle gösterir.
Makine öğrenimindeki sapma, sapma ve sapma / sapma dengelemesini tanımlamanın basit bir yolu.
Özünde, önyargı aşırı basitleştirmedir. Önyargı tanımına bazı varsayımlar veya varsayılan hatalar eklemek önemli olabilir.
Önyargılı bir sonuç yanlışlıkla olmasaydı - para üzerinde olsaydı - çok doğru olurdu. Sorun şu ki, basitleştirilmiş model bazı hatalar içeriyor, bu yüzden boğa gözünde değil - makine öğrenme programı çalışırken önemli hata tekrarlanmaya ve hatta artmaya devam ediyor.
Varyansın basit tanımı, sonuçların çok dağınık olmasıdır. Bu genellikle programın aşırı karmaşıklığına ve test ve eğitim setleri arasındaki sorunlara yol açar.
Yüksek varyans, küçük değişikliklerin çıktılarda veya sonuçlarda büyük değişiklikler oluşturduğu anlamına gelir.
Sadece varyansı tanımlamanın bir başka yolu, modelde çok fazla gürültü olması ve bu nedenle makine öğrenme programının gerçek sinyali izole etmesi ve tanımlaması zorlaşıyor.
Bu yüzden önyargı ve varyansı karşılaştırmanın en basit yollarından biri, makine öğrenimi mühendislerinin çok fazla önyargı veya aşırı basitleştirme ile çok fazla varyans veya aşırı karmaşıklık arasında ince bir çizgide yürümeleri gerektiğini öne sürmektir.
Bu kuyuyu temsil etmenin bir başka yolu, yüksek ve düşük varyansın tüm kombinasyonlarını gösteren dört çeyreklik bir grafiktir. Düşük sapma / düşük sapma çeyreğinde, tüm sonuçlar doğru bir kümede toplanır. Yüksek bir sapma / düşük sapma sonucunda, tüm sonuçlar yanlış bir kümede toplanır. Düşük sapma / yüksek sapma sonucunda, sonuçlar doğru bir kümeyi temsil edecek merkezi bir nokta etrafında dağıtılırken, yüksek sapma / yüksek sapma sonucu veri noktaları hem dağılmış hem de toplu olarak yanlıştır.
