Ի՞նչ է ընդհանրացման սխալը մեքենայական ուսուցման մեջ:

2024 Հեղինակ: Lynn Donovan | [email protected]. Վերջին փոփոխված: 2023-12-15 23:48

Վերահսկվողում սովորում դիմումները մեջ մեքենայական ուսուցում և վիճակագրական սովորում տեսություն, ընդհանրացման սխալ (նաև հայտնի է որպես նմուշից դուրս սխալ ) չափում է, թե որքան ճշգրիտ է ալգորիթմը կարող կանխատեսել արդյունքի արժեքները նախկինում չտեսնված տվյալների համար:

Հետևաբար, որո՞նք են սխալների ընդհանուր տեսակները մեքենայական ուսուցման մեջ:

Երկուական դասակարգման խնդիրների համար կան երկու հիմնական սխալների տեսակները . Տիպ 1 սխալներ (կեղծ դրական) և Տիպ 2 սխալներ (կեղծ բացասական): Մոդելի ընտրության և թյունինգի միջոցով հաճախ հնարավոր է մեծացնել մեկը, իսկ մյուսը նվազեցնելը, և հաճախ պետք է ընտրել, թե որն է: սխալի տեսակը ավելի ընդունելի է.

Նաև գիտեք, թե ինչ է Overfitting-ը մեքենայական ուսուցման մեջ: Overfitting in Machine Learning Overfitting վերաբերում է մի մոդելի, որը չափազանց լավ մոդելավորում է վերապատրաստման տվյալները: Գերհարմարեցում տեղի է ունենում, երբ մոդելը սովորում է ուսուցման տվյալների մանրամասները և աղմուկը այնքանով, որքանով դա բացասաբար է ազդում նոր տվյալների վրա մոդելի կատարողականի վրա:

Նաև հարցրեց, թե ինչ է ընդհանրացման կատարումը:

Այն ընդհանրացման կատարումը Ուսուցման ալգորիթմը վերաբերում է կատարումը ալգորիթմի կողմից սովորած մոդելների նմուշից դուրս տվյալների վրա:

Ի՞նչ է դասակարգման սխալը:

Դասակարգման սխալ . Այն դասակարգման սխալ Ե_ես Անհատական ծրագրի i կախված է սխալ դասակարգված նմուշների քանակից (կեղծ դրական գումարած կեղծ բացասական) և գնահատվում է բանաձևով, որտեղ f-ը սխալ դասակարգված նմուշների քանակն է, իսկ n-ը նմուշի դեպքերի ընդհանուր թիվը: