👩🏫 Uygulama Talimatları
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 |
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
- İşlemler daha az net 😥
Uygun teknikler buraya eklenecektir
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 Biasvardır, 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 Varyansvardır, 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 🕵️
Bilgisayar görüşü problemlerinde,human-level-error ≈ bayes-errorçünkü insanlar görüş prblemlerinde çok iyiler
- Online reklamcılık
- Ürün önerme
- Logistics
- Kredi onayları
- .....
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 🤗🙆)