Η κατανόηση του τρόπου υπολογισμού αυτών των μετρικών μπορεί να βελτιώσει την επιλογή και τον συντονισμό των μοντέλων.

Κατανόηση των Βίας και της Παραλλαγής

Η ποικιλία μετράει πόσο οι προβλέψεις του μοντέλου κυμαίνονται για διαφορετικά σύνολα δεδομένων κατάρτισης. Και οι δύο επηρεάζουν την ακρίβεια και την ικανότητα γενίκευσης του μοντέλου.

Υπολογισμός Bias

Ο Bias υπολογίζεται συγκρίνοντας τη μέση πρόβλεψη του μοντέλου με την πραγματική τιμή. Τα βήματα περιλαμβάνουν:

  • Εκπαιδεύστε το μοντέλο πολλές φορές σε διαφορετικά σύνολα δεδομένων κατάρτισης.
  • Προβλέπετε την έξοδο για σταθερό σημείο δοκιμής κάθε φορά.
  • Υπολογίστε το μέσο όρο αυτών των προβλέψεων.
  • Υπολογίστε τη διαφορά μεταξύ αυτού του μέσου όρου και της πραγματικής τιμής.
  • Τετράγωνο αυτή η διαφορά για να αποκτήσει την προκατάληψη τετράγωνο.

Υπολογισμός μεταβλητότητας

Η μεταβλητότητα μετράει τη μεταβλητότητα των προβλέψεων του μοντέλου.

  • Χρησιμοποιήστε τις προβλέψεις από πολλαπλά μοντέλα εκπαιδευμένα σε διαφορετικά σύνολα δεδομένων.
  • Υπολογίστε τη μέση πρόβλεψη σε όλα τα μοντέλα.
  • Καθορίστε την τετραγωνισμένη απόκλιση κάθε πρόβλεψης από αυτό το μέσο.
  • Μέση αυτές τις τετραγωνικές αποκλίσεις για να βρείτε τη διαφορά.

Πρακτικό Παράδειγμα

Για ένα συγκεκριμένο σημείο δοκιμής, οι προβλέψεις είναι 3,2, 3,8, 3,5, 3,7, και 3.3. Η πραγματική τιμή είναι 4,0.

Η μέση πρόβλεψη είναι 3,5. Η μεροληψία στο τετράγωνο είναι (4.0 - 3.5)^2 = 0.25. Η διακύμανση υπολογίζεται με μέσο όρο τις τετραγωνικές αποκλίσεις κάθε πρόβλεψης από 3,5, που έχει ως αποτέλεσμα 0,14.