Q:
Cách đơn giản để mô tả sự thiên vị và phương sai trong học máy là gì?
A:Có bất kỳ số cách phức tạp nào để mô tả sai lệch và phương sai trong học máy. Nhiều người trong số họ sử dụng các phương trình toán học phức tạp đáng kể và thể hiện thông qua biểu đồ về cách các ví dụ cụ thể đại diện cho các lượng khác nhau của cả sai lệch và phương sai.
Đây là một cách đơn giản để mô tả sự thiên vị, phương sai và sự đánh đổi sai lệch / sai lệch trong học máy.
Tại cốt lõi của nó, thiên vị là một sự đơn giản hóa. Điều quan trọng là thêm vào định nghĩa sai lệch một số giả định hoặc lỗi giả định.
Nếu một kết quả sai lệch cao không phải là lỗi - nếu đó là về tiền - nó sẽ rất chính xác. Vấn đề là mô hình đơn giản hóa có một số lỗi, vì vậy nó không nằm trong mắt của con bò - lỗi đáng kể cứ lặp đi lặp lại hoặc thậm chí được khuếch đại khi chương trình học máy hoạt động.
Định nghĩa đơn giản của phương sai là kết quả quá phân tán. Điều này thường dẫn đến sự không phù hợp của chương trình và các vấn đề giữa các bộ kiểm tra và đào tạo.
Phương sai cao có nghĩa là những thay đổi nhỏ tạo ra những thay đổi lớn trong đầu ra hoặc kết quả.
Một cách khác để mô tả phương sai đơn giản là có quá nhiều nhiễu trong mô hình và do đó, chương trình máy học sẽ khó khăn hơn trong việc cô lập và xác định tín hiệu thực.
Vì vậy, một trong những cách đơn giản nhất để so sánh sai lệch và phương sai là đề xuất rằng các kỹ sư máy học phải đi một ranh giới giữa quá nhiều sai lệch hoặc quá đơn giản hóa, và quá nhiều sai lệch hoặc quá mức.
Một cách khác để thể hiện tốt điều này là với biểu đồ bốn góc phần tư hiển thị tất cả các kết hợp phương sai cao và thấp. Trong góc phần tư sai lệch thấp / phương sai thấp, tất cả các kết quả được tập hợp lại với nhau trong một cụm chính xác. Trong kết quả sai lệch cao / sai lệch thấp, tất cả các kết quả được tập hợp lại với nhau trong một cụm không chính xác. Trong kết quả sai lệch thấp / sai lệch cao, các kết quả được phân tán xung quanh một điểm trung tâm đại diện cho một cụm chính xác, trong khi ở kết quả sai lệch cao / sai lệch cao, các điểm dữ liệu đều bị phân tán và không chính xác.
