ارزیابی فرضیه ها

ارزیابی فرضیه ها

اندازه: 490 KB

دسته بندی: - -

قیمت: رایگان

تعداد نمایش: 239 نمایش

تعداد اسلاید: 36

ارسال توسط:

تاریخ ارسال: ۲۳ دی ۱۳۹۵

به روز رسانی در: ۱ بهمن ۱۳۹۵

کد QR این پاورپوینت
Scan QR Code to download powerpoint

دانلود این پاورپوینت : این فایل را پس از کلیک روی دکمه دانلود ،دریافت کنید.
ویژگیهای پاورپوینت های غیر رایگان: کیفیت بالا ، قالب اختصاصی ،دارای افکت.


  • ارزیابی فرضیه ها

    یک الگوریتم یادگیری با استفاده از داده های آموزشی فرضیه ای را بوجود میآورد . قبل از استفاده از این فرضیه ممکن است که لازم شود تا دقت این فرضیه مورد ارزیابی قرار گیرد.

    اینکار از دو جهت اهمیت دارد:

    .۱دقت  فرضیه را برای مثالهای نادیده حدس بزنیم.

    .۲گاهی اوقات ارزیابی فرضیه جزئی از الگوریتم یادگیری است: مثل  حرس کردن درخت تصمیم.

    روش های اماری

    lدر این فصل سعی میشود تا روشهای آماری مناسب برای حدس زدن دقت فرضیه ها معرفی گردند. مبنای کار در جهت پاسخگوئی به سه سوال زیر است:

    .۱اگر دقت  یک فرضیه برای داده های محدودی معلوم باشد دقت آن برای سایر مثالها چه قدر خواهد بود؟

    .۲اگر یک فرضیه برای داده های محدودی بهتر از فرضیه دیگری عمل کند احتمال اینکه این وضعیت در حالت کلی نیز صادق باشد چقدر است؟

    .۳وقتی که داده آموزشی اندکی موجود باشد بهترین راه برای اینکه هم فرضیه را یاد بگیریم  و هم دقت آنرا اندازه گیری کنیم چیست؟

    وقتی که داده آموزشی محدود باشد این امکان وجود دارد که این مثالها نشان دهنده توزیع کلی داده ها  نباشند

    مشکل کمی داده

    وقتی که یادگیری با استفاده از داده های محدودی انجام میشود دو مشکل ممکن است رخ دهند:

    Bias in the estimate

    دقت یک فرضیه بر روی مثالهای آموزشی تخمین مناسبی برای دقت آن برای مثالهای نادیده نیست. زیرا فرضیه یاد گرفته شده بر اساس این داده ها برای مثالهای آتی بصورت optimistic عمل خواهد نمود. برای رهائی از این امر میتوان از مجموعه داده ها ی تست استفاده کرد.

    Variance in the estimate

    حتی با وجود استفاده از مجموعه تست این امکان وجود دارد که خطای اندازه گیری شده با خطای واقعی اختلاف داشته باشد.

    ارزیابی فرضیه ها

    پاسخ دهید