👩‍🏫 Uygulama Talimatları

📚 Popüler Terimler

Terim

Açıklama

👩‍🎓 Bayes Error

Herhangi bir sınıflandırıcı için olası en düşük hata oranı (Optimum hata 🤔)

👩‍🏫 Human Level Error

Bir insan tarafından elde edilebilecek hata oranı

👮‍♀️ Avoidable Bias ‍

Bayes hatası ile insan seviyesi hatası arasındaki fark

Elimden gelenin en iyisini yaptım, projem hala kötü gidiyor, ne yapmalıyım? 😥

Peki, bu aşamada bir kriterimiz var, senin modelin insanlardan daha mı kötü yapıyor (Çünkü insanlar birçok işte oldukça iyilerdir 👩‍🎓)? Evet ise, aşağıdakileri denyebilirsin:

  • 👩‍🏫 İnsanlardan etiketli veriler al

  • 👀 Manuel hata analizinden fikir edinmeye çalış; (Bir insan neden bunu doğru yapabiliyor 🙄)

  • 🔎 bias / variance 'ı daha iyi anlaliz et 🔍

🤔 Not: İnsanların bir görevde ne kadar iyi yapabileceklerini bilmek, bias'ı ve varyansı azaltmaya ne kadar çalışmamız gerektiğini daha iyi anlamamıza yardımcı olabilir

🧐 Modelin insanlardan daha mı iyi?

  • İşlemler daha az net 😥

Uygun teknikler buraya eklenecektir

🤓 Study case

Aşağıdaki iki durumun olduğunu varsayalım:

Durum1

Durum2

Human Error

1%

7.5%

Training Error

8%

8%

Dev Error

10%

10%

Training ve dev hataları aynı olsa bile, daha iyi performans için farklı taktikler uygulayacağız

  • Durum1'de, Yüksek Bias vardır, o yüzden yanlılık azaltma tekniklerine odaklanmamız lazım 🤔, başka bir deyişle, training ve insan hatası arasındaki farkı azaltmamız gerekmektedir, ona da the avoidable error denir.

    • Daha iyi algoritma, daha iyi NN yapısı, ......

  • Durum2'de, Yüksek Varyans vardır, o yüzden varyans azaltma tekniklerine odaklanmamız lazım 🙄, başka bir deyişle training ve dev hatalarının arasındaki farkı azaltmamız lazım

    • regularization ekleme, daha çok veri elde etme, ......

Bu analiz sürecine Error analysis denir 🕵️‍

👀 Hata Türlerinin Görselleştirilmesi

Bilgisayar görüşü problemlerinde, human-level-error ≈ bayes-error çünkü insanlar görüş prblemlerinde çok iyiler

🤗 ML'nin insan seviyesi performansını geçebildiği problemler

  • Online reklamcılık

  • Ürün önerme

  • Logistics

  • Kredi onayları

  • .....

✨ Bias / Varyans ve İlgili Prosedürler Hakkında Detaylı Notlarım

🤸‍♀️ Tavsiyeler

Yeni bir projemiz olduğunda, bir ilk model üretmek ve ardından en iyi modeli elde edene kadar iteratif bir şekilde ilerlemek önerilir, Bu, teorik olarak zamanı modeli oluşturma harcamaktan ve en iyi hipermetreyi düşünmekten daha pratiktir. -bu da neredeyse imkansız 🙄-

O yüzden sadece aşırı düşünme! (Hem ML problemlerinde hem de hayat problemlerinde 🤗🙆‍)

🌞 Yazının Aslı