Învăţarea supravegheată este o abordare folosită pe scară largă a învăţării prin maşinării care implică modele de formare pe date etichetate. Cu toate acestea, practicanţii întâmpină adesea capcane comune care pot afecta performanţa şi fiabilitatea modelelor lor. Înţelegerea acestor aspecte şi aplicarea calculelor adecvate pot contribui la atenuarea impactului acestora.

Suprapotrivire şi insuficienţă

Suprapotrivirea apare atunci când un model învață datele de formare prea bine, inclusiv zgomotul, ceea ce duce la generalizare slabă pe noi date. Inadaptarea se întâmplă atunci când modelul este prea simplu pentru a captura modele de bază. Calcule, cum ar fi rata de formare și de validare erori pot ajuta la identificarea acestor probleme.

De exemplu, compararea erorii de formare (E[tren) și eroarea de validare (E[[val[) poate indica suprapotrivire dacă Etren este foarte scăzută în timp ce Eval. Dimpotrivă, erorile mari ale ambelor sugerează un nivel scăzut de adecvare.

Dezechilibrul clasei

Dezechilibrul clasei apare atunci când unele clase sunt subreprezentate în setul de date, ceea ce duce la modele părtinitoare. Calcularea procentelor de distribuție a clasei ajută la identificarea dezechilibrului.

Sa presupunem ca setul de date are 1000 de probe, 900 apartinand clasei A si 100 clasei B. Procentele de distributie a clasei sunt:

Clasa A: (900/1000) * 100 = 90%

Clasa B: (100/1000) * 100 = 10%

Evaluarea performanței modelului

Metricile precum precizia, precizia, rechemarea și scorul F1 sunt esențiale pentru evaluarea performanței modelului. Calculele implică componente ale matricei de confuzie:

  • Adevărate pozitive (TP)
  • False pozitive (FP)
  • Negative false (FN)

De exemplu, precizia se calculează astfel:

Precizie = TP / (TP + FP)

Manipularea datelor zgomotoase

Datele zgomotoase pot denatura formarea modelelor. Calculele, cum ar fi raportul zgomot-semnal, ajută la cuantificarea calității datelor.

Sa presupunem ca setul de date contine 100 de probe zgomotoase din 1000 de probe totale. Raportul de zgomot este:

Raportul de zgomot = (Numărul de eșantioane zgomotoase) / (Probe totale) = 100 / 1000 = 0,1 sau 10%