Бейне: Машиналық оқытудағы жалпылау қатесі дегеніміз не?
2024 Автор: Lynn Donovan | [email protected]. Соңғы өзгертілген: 2023-12-15 23:49
Бақылауда үйрену қолданбалар машиналық оқыту және статистикалық үйрену теория, жалпылау қатесі (сонымен қатар үлгіден тыс деп те белгілі қате ) алгоритмнің бұрын көрмеген деректер үшін нәтиже мәндерін болжауға қабілеттілігінің өлшемі.
Демек, машиналық оқытудағы қателердің қандай түрлері бар?
Екілік жіктеу есептері үшін екі негізгі бар қателердің түрлері . Түр 1 қателер (жалған позитивтер) және Түр 2 қателер (жалған негативтер). Көбінесе үлгіні таңдау және баптау арқылы біреуін көбейтіп, екіншісін азайтуға болады, көбінесе біреуін таңдау керек. қате түрі неғұрлым қолайлы.
Сондай-ақ біліңіз, машиналық оқытудағы Overfitting дегеніміз не? Machine Learning жүйесіндегі шамадан тыс фитинг жаттығу деректерін тым жақсы модельдейтін үлгіге сілтеме жасайды. Шамадан тыс қондыру модель оқу деректеріндегі егжей-тегжей мен шуды үйренгенде, ол модельдің жаңа деректердегі өнімділігіне теріс әсер ететіндей дәрежеде болады.
Сонымен қатар, жалпылау өнімділігі дегеніміз не?
The жалпылау өнімділігі оқыту алгоритмі мынаны білдіреді өнімділік алгоритммен үйренген үлгілердің үлгіден тыс деректері бойынша.
Жіктеу қатесі дегеніміз не?
Классификация қатесі . The жіктеу қатесі Емен жеке бағдарламаның i қате жіктелген үлгілер санына байланысты (жалған оң плюс жалған теріс) және мына формула бойынша бағаланады: мұндағы f - қате жіктелген үлгі жағдайларының саны, n - үлгі жағдайларының жалпы саны.
Ұсынылған:
Машиналық оқытудағы модель дрейфі дегеніміз не?
Википедиядан, еркін энциклопедия. Болжалды аналитика мен машиналық оқытуда концепцияның дрейфі модель болжауға тырысатын мақсатты айнымалының статистикалық қасиеттері уақыт өте келе күтпеген тәсілдермен өзгеретінін білдіреді. Бұл қиындықтар туғызады, өйткені уақыт өткен сайын болжамдар азаяды
Машиналық оқытудағы фреймворк дегеніміз не?
Machine Learning Framework дегеніміз не. Machine Learning Framework - бұл интерфейс, кітапхана немесе құрал, ол әзірлеушілерге негізгі алгоритмдердің ұсақ-түйегіне кірмей, машиналық оқыту үлгілерін оңай және жылдам құруға мүмкіндік береді
Машиналық оқытудағы регрессия мәселесі қандай?
Регрессия мәселесі - шығыс айнымалысы нақты немесе үздіксіз мән, мысалы, «жалақы» немесе «салмақ» болғанда. Көптеген әртүрлі модельдерді қолдануға болады, ең қарапайымы - сызықтық регрессия. Ол деректерді нүктелер арқылы өтетін ең жақсы гипер-жазықтықпен сәйкестендіруге тырысады
Машиналық оқытудағы мүмкіндіктерді азайту дегеніміз не?
Мүмкіндіктерді азайтуды пайдалану мақсаты - компьютер өз функциясын орындау үшін өңдеуі керек мүмкіндіктердің (немесе айнымалылардың) санын азайту. Мүмкіндіктерді азайту өлшемдер санын азайту үшін пайдаланылады, бұл деректерді машиналық оқыту қолданбалары үшін сирек және статистикалық маңыздырақ етеді
Машиналық оқытудағы фетуризация дегеніміз не?
Машиналық оқытудағы табыстың көп бөлігі оқушы түсіне алатын инженерлік мүмкіндіктердегі сәттілік болып табылады. Функцияларды құрастыру – бастапқы деректерді болжамды модельдерге негізгі мәселені жақсырақ көрсететін мүмкіндіктерге түрлендіру процесі, нәтижесінде көрінбейтін деректерде үлгі дәлдігі жақсарады