הבנה וחשיבה של אמון אינטרוולים בחיזוי למידת מכונות

מרווחי ביטחון הם כלים סטטיסטיים המשמשים להערכת הטווח שבו סביר להניח שערך אמיתי ייפול, בהתבסס על נתוני הדגימה.בלמידה של מכונה, הם מספקים מידה של אי ודאות סביב תחזיות, ומסייעים להעריך את האמינות של הפלט של המודל.

מה הם יחסי ביטחון?

מרווח ביטחון הוא טווח מחושב מהנתונים שסביר להניח כי יש בו ערך פרמטר אמיתי עם הסתברות מוגדרת, הידוע בשם רמת האמון. רמות האמון המשותף הן 90%, 95% ו- 99%.הרווחה, כך עולה אי הוודאות.

חישוב יחסי אמון ב Machine Learning

חישוב מרווחי ביטחון עבור תחזיות למידת מכונה כרוך בשיטות סטטיסטיות אשר מהוות מידע על אמינות וודאות מודל.גישה אחת נפוצה היא להשתמש ב- Bootstrap sampling, שבו מודלים מרובים מאומן על תת-תחומי נתונים שונים כדי להעריך חיזוי זמינות.

שיטה נוספת היא לקחת הפצה של שגיאות החיזוי ולחדד את המרווח מבוסס על סטייה סטנדרטית ומשמעות של שגיאות אלה. גישה זו משמשת לעתים קרובות עם מודלים רגרסניים שבו שוכנים מנתחים.

המונחים: mit e-Fireance Intervals

מרווח ביטחון מספק טווח המכיל את הערך האמיתי של החיזוי.לדוגמה, מרווח ביטחון של 95% פירושו שאם אותו תהליך חוזר על עצמו מספר פעמים, כ-95% מהרווחים מכילים את הערך האמיתי.

חשוב להבין כי מרווחי ביטחון אינם מבטיחים את הערך האמיתי הוא בתוך המרווח לחיזוי ספציפי, אלא משקפים את האמינות של תהליך ההנצחה על פני דגימות רבות.

יישומים ב Machine Learning

מרווחי ביטחון שימושיים במשימות למידה מכונה שונות, כולל: