Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
1.UCZENIEMASZYNOWEJAKOELEMENTEKSPERYMENTÓWDATASCIENCE
wiedzinawszystkiepytania,którejużkiedyśnatymegzaminiezadano.Strategiatajest
nieskuteczna,ponieważodpowiedzinanieznanepytaniabędąnietrafne.Lepszewyniki
uzyskamy,koncentrującsięnapoznaniumniejszejliczbykluczowychzagadnieńireguł.
Leczosobanadmierniegeneralizującaposiadaneinformacjeniebędziewstaniedostrzec
istotnychróżnicmiędzysytuacją,wktórejsięwdanejchwiliznajduje,auogólnioną
sytuacjązprzeszłości,ibędziepodejmowaćalbobłędnedecyzje,albonawetzawsze
tesame.
Wprzypadkusztucznejinteligencjiproblemniedouczenia(underfitting)
występuje,jeślimodelniebyłwstanieuogólnićdanychtreningowych
albojeśliwynikiemtegouogólnieniajestzbytmałyzbiórwzorców
ireguł(rys.1.4).
Problemniedouczeniamodelieksploracjidanychmożnaporównaćdopróbyprzygotowa-
niasiędoegzaminuprzezpoznanietylkokilkunajbardziejogólnychzagadnieńireguł.
Strategiatajestnieskuteczna,boodpowiedzinapytaniabędąniedokładne.
Dokładnośćmodelupredykcyjnego
ZmiennaobjaśnianaY
6
4
2
0
0
ZmiennaobjaśniającaX
5
10
15
ZmiennaobjaśnianaY
6
4
2
0
0
Dokładnośćmodelupredykcyjnego
5
10
ZmiennaobjaśniającaX
15
Rysunek1.4.Przeuczonymodel(polewej)idealniezapamiętałprzypadkitreningowe,aleich
nieuogólnił,czyliniebędziewstanieprawidłowoocenićnowychprzypadków.Niedouczonymodel
(poprawej)niejestwstaniedostrzecsubtelnychróżnicpomiędzyróżnymiprzypadkami,
czylinoweprzypadkibędzieoceniaćwsposóbuproszczony
Wprzypadkusztucznejinteligencjimożemysterowaćprocesemuogólnianiaprzezodpo-
wiednieprzygotowaniedanychtreningowych,wybórodpowiedniegoalgorytmuorazjego
właściwąparametryzację.
8
