Q:
Por que o viés versus variação é importante para o aprendizado de máquina?
UMA:A compreensão dos termos "preconceito" e "variação" no aprendizado de máquina ajuda os engenheiros a calibrar mais completamente os sistemas de aprendizado de máquina para atender aos propósitos pretendidos. A polarização versus variação é importante porque ajuda a gerenciar algumas das compensações em projetos de aprendizado de máquina que determinam a eficácia de um determinado sistema para uso corporativo ou outros fins.
Ao explicar o viés versus a variação, é importante observar que esses dois problemas podem comprometer os resultados dos dados de maneiras muito diferentes.
| Download grátis: Machine Learning e por que é importante |
O viés pode ser descrito como um problema que resulta em clusters imprecisos - é uma situação em que o aprendizado de máquina pode retornar muitos resultados com precisão, mas perde a marca em termos de precisão. Por outro lado, a variação é uma "dispersão" de informações - é uma natureza selvagem, um dado que mostra uma série de resultados, alguns dos quais podem ser precisos, mas muitos deles ficam fora de uma zona específica de precisão para diminuir o resultado geral preciso e muito mais "barulhento".
De fato, alguns especialistas que descrevem a variação explicam que os resultados das variantes tendem a "seguir o barulho", onde os resultados com alto viés não vão longe o suficiente para explorar os conjuntos de dados. Essa é outra maneira de contrastar o problema do viés com o problema da variação - os especialistas associam o viés à falta de ajuste, onde o sistema pode não ser flexível o suficiente para incluir um conjunto de resultados ideais. Por outro lado, a variação seria um tipo de oposto - onde a adaptação excessiva torna o sistema muito frágil e delicado para suportar muitas mudanças dinâmicas. Ao analisar o viés versus a variação através dessa lente de complexidade, os engenheiros podem pensar em como otimizar o ajuste de um sistema para torná-lo não muito complexo, não muito simples, mas apenas suficientemente complexo.
Existem duas maneiras pelas quais a filosofia do viés versus variação é útil no projeto de sistemas de aprendizado de máquina. É sempre importante trabalhar com o viés da máquina para tentar obter um conjunto geral de resultados precisos para o uso ao qual são aplicados. Também é sempre importante observar a variação na tentativa de controlar o caos ou a natureza selvagem de resultados altamente dispersos ou dispersos e lidar com o ruído em qualquer sistema.
