Videó: Mi az általánosítási hiba a gépi tanulásban?
2024 Szerző: Lynn Donovan | [email protected]. Utoljára módosítva: 2023-12-15 23:48
Felügyelt tanulás alkalmazások be gépi tanulás és statisztikai tanulás elmélet, általánosítási hiba (más néven out-of-sample hiba ) azt méri, hogy egy algoritmus milyen pontosan képes előrejelezni a korábban nem látott adatok kimeneti értékeit.
Következésképpen melyek a leggyakoribb hibatípusok a gépi tanulásban?
A bináris osztályozási problémák esetében két elsődleges típusú hibák . típus 1 hibákat (téves pozitív) és típus 2 hibákat (álnegatívok). A modell kiválasztásával és hangolásával gyakran lehetséges az egyik növelése, míg a másik csökkentése, és gyakran ki kell választani, hogy melyik hibatípus elfogadhatóbb.
Tudja azt is, mi az a túlillesztés a gépi tanulásban? Túlillesztés a gépi tanulásban Túlillesztés olyan modellre utal, amely túl jól modellezi a képzési adatokat. Túlszerelés akkor történik, amikor a modell megtanulja a betanítási adatok részleteit és zaját olyan mértékben, ami negatívan befolyásolja a modell teljesítményét az új adatokon.
Azt is megkérdezték, mi az általánosítási teljesítmény?
Az általánosító teljesítmény egy tanulási algoritmus arra utal teljesítmény az algoritmus által tanult modellek mintán kívüli adatain.
Mi az osztályozási hiba?
Osztályozási hiba . Az osztályozási hiba Eén egy egyedi program i-e a hibásan osztályozott minták számától függ (hamis pozitív plusz hamis negatív), és a következő képlettel kerül kiértékelésre: ahol f a hibásan osztályozott mintaesetek száma, n pedig a mintaesetek teljes száma.
Ajánlott:
Mi az a modellsodródás a gépi tanulásban?
A Wikipédiából, a szabad enciklopédiából. A prediktív analitikában és a gépi tanulásban a koncepciósodródás azt jelenti, hogy a célváltozó statisztikai tulajdonságai, amelyeket a modell próbál megjósolni, idővel előre nem látható módon változnak. Ez problémákat okoz, mivel az előrejelzések az idő múlásával egyre kevésbé pontosak
Mi a keretrendszer a gépi tanulásban?
Mi az a gépi tanulási keretrendszer. A Machine Learning Framework olyan interfész, könyvtár vagy eszköz, amely lehetővé teszi a fejlesztők számára, hogy könnyebben és gyorsabban építsenek gépi tanulási modelleket anélkül, hogy belemennének az alapul szolgáló algoritmusok kavicsaiba
Mi a regressziós probléma a gépi tanulásban?
Regressziós probléma az, ha a kimeneti változó valós vagy folytonos érték, például „fizetés” vagy „súly”. Sokféle modell használható, a legegyszerűbb a lineáris regresszió. Megpróbálja az adatokat a legjobb hipersíkhoz illeszteni, amely átmegy a pontokon
Mit jelent a modell bevezetése a gépi tanulásban?
Mi az a modellbevezetés? A telepítés az a módszer, amellyel egy gépi tanulási modellt integrálhat egy meglévő termelési környezetbe, hogy adatokon alapuló gyakorlati üzleti döntéseket hozhasson
Mi a funkciócsökkentés a gépi tanulásban?
A funkciócsökkentés használatának célja azon szolgáltatások (vagy változók) számának csökkentése, amelyeket a számítógépnek fel kell dolgoznia a funkciójának ellátásához. A funkciócsökkentés a dimenziók számának csökkentésére szolgál, így az adatok kevésbé ritkák és statisztikailag szignifikánsabbak a gépi tanulási alkalmazások számára