Q:
ทำไมอคติและความแปรปรวนจึงสำคัญสำหรับการเรียนรู้ของเครื่อง?
A:การทำความเข้าใจกับคำว่า "อคติ" และ "ความแปรปรวน" ในการเรียนรู้ของเครื่องช่วยให้วิศวกรสามารถปรับเทียบระบบการเรียนรู้ของเครื่องให้สมบูรณ์ยิ่งขึ้นเพื่อตอบสนองวัตถุประสงค์ที่ต้องการ ความลำเอียงเมื่อเทียบกับความแปรปรวนเป็นสิ่งสำคัญเพราะช่วยจัดการการแลกเปลี่ยนบางอย่างในโครงการการเรียนรู้ของเครื่องที่กำหนดว่าระบบที่กำหนดมีประสิทธิภาพเพียงใดสำหรับการใช้งานในองค์กรหรือเพื่อวัตถุประสงค์อื่น
ในการอธิบายความลำเอียงเมื่อเทียบกับความแปรปรวนเป็นสิ่งสำคัญที่จะต้องทราบว่าปัญหาทั้งสองนี้สามารถทำให้ข้อมูลมีผลในทางที่แตกต่างกันมาก
| ดาวน์โหลดฟรี: การเรียนรู้ของเครื่องและเหตุผลที่สำคัญ |
อคติสามารถอธิบายได้ว่าเป็นปัญหาที่ส่งผลให้เกิดกลุ่มที่ไม่ถูกต้อง - เป็นสถานการณ์ที่การเรียนรู้ของเครื่องอาจส่งคืนผลลัพธ์จำนวนมากด้วยความแม่นยำ แต่พลาดเครื่องหมายในแง่ของความถูกต้อง ในทางตรงกันข้ามความแปรปรวนคือ "การกระจาย" ของข้อมูล - เป็นความดุร้ายข้อมูลที่แสดงช่วงของผลลัพธ์ซึ่งบางอย่างอาจแม่นยำ แต่ส่วนมากจะอยู่นอกเขตความแม่นยำเฉพาะเพื่อให้ผลลัพธ์โดยรวมน้อยลง แม่นยำและอีก "เสียงดัง"
ในความเป็นจริงผู้เชี่ยวชาญบางคนที่อธิบายความแปรปรวนอธิบายว่าผลลัพธ์ของตัวแปรมีแนวโน้มที่จะ "ตามเสียง" ซึ่งผลลัพธ์ที่มีอคติสูงไม่ไปไกลพอที่จะสำรวจชุดข้อมูล นี่เป็นอีกวิธีหนึ่งในการเปรียบเทียบปัญหาอคติกับปัญหาความแปรปรวน - ผู้เชี่ยวชาญเชื่อมโยงอคติกับ underfitting ซึ่งระบบอาจไม่ยืดหยุ่นพอที่จะรวมชุดผลลัพธ์ที่ดีที่สุด ในทางตรงกันข้ามความแปรปรวนจะเป็นสิ่งที่ตรงกันข้าม - การที่ overfitting ทำให้ระบบเปราะบางและละเอียดอ่อนเกินกว่าที่จะต้านทานการเปลี่ยนแปลงแบบไดนามิกจำนวนมาก ด้วยการมองความลำเอียงและความแปรปรวนผ่านเลนส์ที่มีความซับซ้อนนี้วิศวกรสามารถคิดเกี่ยวกับวิธีการปรับความเหมาะสมของระบบให้เหมาะสมไม่ทำให้ซับซ้อนเกินไปไม่ง่ายเกินไป แต่ซับซ้อนพอเพียง
นี่เป็นสองวิธีที่ปรัชญาของอคติกับความแปรปรวนมีประโยชน์ในการออกแบบระบบการเรียนรู้ของเครื่อง สิ่งสำคัญคือการทำงานกับอคติเครื่องเพื่อพยายามรับชุดผลลัพธ์โดยรวมที่แม่นยำสำหรับการใช้งานที่ถูกนำไปใช้ นอกจากนี้ยังเป็นสิ่งสำคัญที่จะต้องพิจารณาความแปรปรวนในการพยายามควบคุมความโกลาหลหรือความดุร้ายของผลลัพธ์ที่กระจัดกระจายหรือกระจายออกไปและเพื่อจัดการกับเสียงรบกวนในระบบใดก็ตาม
