Video: Hvad er generaliseringsfejl i maskinlæring?
2024 Forfatter: Lynn Donovan | [email protected]. Sidst ændret: 2023-12-15 23:45
I overvåget læring ansøgninger i maskinelæring og statistisk læring teori, generaliseringsfejl (også kendt som out-of-sample fejl ) er et mål for, hvor nøjagtigt en algoritme er i stand til at forudsige udfaldsværdier for tidligere usete data.
Derfor, hvad er de almindelige fejltyper i maskinlæring?
For binære klassifikationsproblemer er der to primære typer af fejl . Type 1 fejl (falske positive) og Type 2 fejl (falske negativer). Det er ofte muligt gennem modelvalg og tuning at øge den ene, mens den anden mindskes, og ofte skal man vælge hvilken fejltype er mere acceptabelt.
Ved også, hvad er Overfitting i maskinlæring? Overfitting i Machine Learning Overfitting henviser til en model, der modellerer træningsdataene for godt. Overfitting sker, når en model lærer detaljerne og støjen i træningsdataene i en sådan grad, at det påvirker modellens ydeevne negativt på nye data.
Også spurgt, hvad er generaliseringsydelse?
Det generaliseringsydelse af en indlæringsalgoritme refererer til ydeevne på data uden for stikprøven af modellerne lært af algoritmen.
Hvad er klassifikationsfejl?
Klassifikationsfejl . Det klassifikationsfejl Ejeg af et individuelt program i afhænger af antallet af prøver, der er forkert klassificeret (falske positive plus falske negativer) og evalueres med formlen: hvor f er antallet af prøvetilfælde, der er forkert klassificeret, og n er det samlede antal prøvetilfælde.
Anbefalede:
Hvad er maskinlæring ved hjælp af Python?
Introduktion til maskinlæring ved hjælp af Python. Machine learning er en type kunstig intelligens (AI), der giver computere mulighed for at lære uden at være eksplicit programmeret. Maskinlæring fokuserer på udviklingen af computerprogrammer, der kan ændre sig, når de udsættes for nye data
Hvad skal jeg lære til maskinlæring?
Det ville være bedre, hvis du lærer mere om følgende emne i detaljer, før du begynder at lære maskinlæring. Sandsynlighedsteori. Lineær algebra. Grafteori. Optimeringsteori. Bayesianske metoder. Calculus. Multivariat beregning. Og programmeringssprog og databaser som:
Hvad er maskinlæring i kunstig intelligens?
Machine learning (ML) er den gren af videnskaben, der er dedikeret til studiet af algoritmer og statistiske modeller, som computersystemer bruger til at udføre en specifik opgave uden at bruge eksplicitte instruktioner og i stedet stole på mønstre og inferens. Det ses som en delmængde af kunstig intelligens
Hvad kan vi bruge maskinlæring til?
Heri deler vi nogle få eksempler på maskinlæring, som vi bruger til hverdag og måske ikke aner, at de er drevet af ML. Virtuelle personlige assistenter. Forudsigelser under pendling. Videoer Overvågning. Sociale medietjenester. Filtrering af e-mail-spam og malware. Online kundesupport. Forfining af søgemaskineresultater
Hvad er modeldrift i maskinlæring?
Fra Wikipedia, den frie encyklopædi. I prædiktiv analyse og maskinlæring betyder begrebet drift, at målvariablens statistiske egenskaber, som modellen forsøger at forudsige, ændrer sig over tid på uforudsete måder. Dette giver problemer, fordi forudsigelserne bliver mindre nøjagtige, som tiden går