LegközelebbKövetkezĆ ĂștmutatĂł
Markov-lĂĄnc Monte Carlo
MƱszaki
MƱszaki ĂTMUTATĂ
A Gini-szennyezĆdĂ©s azt mĂ©ri, hogy mennyire keverednek az osztĂĄlycĂmkĂ©k egy döntĂ©si fa csomĂłpontjĂĄban, a nulla pedig azt jelzi, hogy minden pĂ©lda egy osztĂĄlyhoz tartozik.
Hallgassa meg ezt az ĂștmutatĂłtAI-narrĂĄlt · ~3 min
A CART osztĂĄlyozĂłk a jelölt felosztĂĄsokbĂłl szĂĄrmazĂł szennyezĆdĂ©sek vĂĄrhatĂł csökkenĂ©sĂ©t hasznĂĄljĂĄk a partĂciĂłk kivĂĄlasztĂĄsĂĄhoz, de a pontszĂĄm inkĂĄbb helyi felosztĂĄsi kritĂ©rium, mint a modell minĆsĂ©gĂ©nek teljes mĂ©rtĂ©ke.
A döntĂ©si fa osztĂĄlyozĂłi rekurzĂv mĂłdon rĂ©giĂłkra osztjĂĄk az adatokat. Minden egyes jelölt felosztĂĄsnĂĄl a fĂĄnak szĂŒksĂ©ge van egy kritĂ©riumra arra vonatkozĂłan, hogy az eredmĂ©nyĂŒl kapott gyermekcsomĂłpontok milyen jĂłl vĂĄlasztjĂĄk el az osztĂĄlycĂmkĂ©ket. Egy csomĂłpont Gini-szennyezĂ©se 1 mĂnusz az osztĂĄlyarĂĄnyok nĂ©gyzetĂ©nek összege. A p_k arĂĄnyĂș osztĂĄlyoknĂĄl G = 1 - összeg(p_k nĂ©gyzet). Egy tiszta csomĂłpontnak egy arĂĄnya egyenlĆ eggyel, a többi pedig nulla, tehĂĄt G nulla. A 0,5 Ă©s 0,5 kiegyensĂșlyozott arĂĄnyĂș binĂĄris csomĂłpontban G 0,5, kĂ©t osztĂĄly maximĂĄlis Ă©rtĂ©ke. Egy hipotetikus csomĂłpontnĂĄl 8 pozitĂv Ă©s 2 negatĂv esettel az arĂĄnyok 0,8 Ă©s 0,2. A szĂĄmĂtĂĄs 1 - (0,64 + 0,04) = 0,32. Ez a pontszĂĄm a tĂ©ves besorolĂĄs valĂłszĂnƱsĂ©gekĂ©nt Ă©rtelmezhetĆ, ha egy cĂmkĂ©t vĂ©letlenszerƱen, a csomĂłpont osztĂĄlyarĂĄnyai szerint rajzolva rendelnek hozzĂĄ, bĂĄr egy betanĂtott fa ĂĄltalĂĄban megjĂłsolja a többsĂ©gi osztĂĄlyt. A CART a jelölt megoszlĂĄsĂĄt a gyermekek sĂșlyozott ĂĄtlagos szennyezĆdĂ©se alapjĂĄn Ă©rtĂ©keli, mindegyiket a szĂŒlĆ megfigyelĂ©seinek arĂĄnyĂĄval sĂșlyozva. A szennyezĆdĂ©s csökkenĂ©se a szĂŒlĆszennyezĆdĂ©s mĂnusz ez a sĂșlyozott gyermekszennyezĆdĂ©s. Ăgy egy ĂŒresnek tƱnĆ vagy nagyon kicsi gyerek nem teszi automatikusan hasznossĂĄ a szĂ©tvĂĄlĂĄst. A fĂĄra vonatkozĂł korlĂĄtozĂĄsok, mint pĂ©ldĂĄul a minimĂĄlis levĂ©lmĂ©ret, mĂ©lysĂ©g Ă©s metszĂ©s szintĂ©n befolyĂĄsoljĂĄk a vĂ©gsĆ modellt. A Gini szĂĄmĂtĂĄsi szempontbĂłl kĂ©nyelmes, mert elkerĂŒli a logaritmusokat, mĂg az entrĂłpia a -sum(p log p) fĂŒggvĂ©nyt hasznĂĄlja, Ă©s a jelölt felosztĂĄsokat hasonlĂłan, de nem feltĂ©tlenĂŒl azonosan rangsorolhatja. A Gini-szennyezettsĂ©g nem azonos az adatkĂ©szlet ĂĄltalĂĄnos osztĂĄlyegyensĂșlytalansĂĄgĂĄval, annak valĂłszĂnƱsĂ©gĂ©vel, hogy a modell elĆrejelzĂ©se hibĂĄs, vagy a kitartott adatok Ă©rtĂ©kelĂ©si pontszĂĄmĂĄval. Helyileg szĂĄmĂtjĂĄk ki egy csomĂłponton az ott talĂĄlhatĂł cĂmkĂ©k alapjĂĄn. Egy fa mĂ©lyen növekszik, Ă©s mĂ©g mindig gyengĂ©n ĂĄltalĂĄnosĂthat tiszta kĂ©pzĆ leveleket. ĂrtĂ©kelje ki a teljes modellt megfelelĆ felosztĂĄssal, Ă©s vizsgĂĄlja meg az osztĂĄly-specifikus hibĂĄkat, a kalibrĂĄciĂłt, ahol szĂŒksĂ©ges, Ă©s a stabilitĂĄst. A szennyezĆdĂ©si kritĂ©rium az Ă©pĂtĂ©st irĂĄnyĂtja; nem ĂĄllapĂtja meg, hogy a jellemzĆk ok-okozati összefĂŒggĂ©sek vagy az elĆrejelzĂ©sek hasznosak-e.
Egy csomĂłpont 8 pozitĂv Ă©s 2 negatĂv esetet tartalmaz. Gini-szennyezettsĂ©ge 1 - (0,8 nĂ©gyzet + 0,2 nĂ©gyzet) = 0,32, ami mĂĄs cĂmke esĂ©lyĂ©t jelenti, ha kĂ©t cĂmkĂ©t az osztĂĄlyarĂĄnyoktĂłl fĂŒggetlenĂŒl rajzolnak.
A hipotetikus felosztĂĄs egy tiszta gyermeket Ă©s egy vegyes gyermeket hoz lĂ©tre. A kiindulĂĄsi szennyezĆdĂ©st össze kell hasonlĂtani a mintaarĂĄnyuk alapjĂĄn sĂșlyozott gyermekszennyezĆdĂ©sekkel; egy aprĂł tiszta gyerek önmagĂĄban nem hoz lĂ©tre jĂł szĂ©tvĂĄlĂĄst.
Egy csapat összehasonlĂtja a Gini-t hasznĂĄlĂł fĂĄt egy entrĂłpiĂĄt hasznĂĄlĂł fĂĄval, majd Ă©rtĂ©keli a kitartott elĆrejelzĂ©seket. A hasonlĂł felosztĂĄsi vĂĄlasztĂĄsok nem garantĂĄljĂĄk az azonos fĂĄkat vagy az egyenlĆ ĂĄltalĂĄnosĂtĂĄst.
Egy csomĂłpont osztĂĄlyarĂĄnya 0,5 Ă©s 0,5, binĂĄris esetben 0,5 szennyezĆdĂ©st eredmĂ©nyez. A 0,9-es Ă©s 0,1-es csomĂłpontok szennyezĆdĂ©se 0,18, Ă©s jobban osztĂĄlykoncentrĂĄlt.
A famagyarĂĄzatok hasznosabbĂĄ tehetik a felosztĂĄsi kritĂ©riumokat azĂĄltal, hogy egyĂŒtt jelenĂtik meg a szĂŒlĆosztĂĄly arĂĄnyait, a gyermekarĂĄnyokat Ă©s a sĂșlyozott szennyezĆdĂ©svĂĄltozĂĄst. A csapatoknak felĂŒl kell vizsgĂĄlniuk a levelek mĂ©retĂ©t Ă©s a kitartott osztĂĄly teljesĂtmĂ©nyĂ©t is, hogy a lĂĄtszĂłlag tiszta edzĂ©si partĂciĂł ne uralja az ĂtĂ©leteket. Ha az osztĂĄlyok kiegyensĂșlyozatlansĂĄga szĂĄmĂt, Ă©rtĂ©kelje a kisebbsĂ©gi osztĂĄlyok eredmĂ©nyeit a szennyezĆdĂ©sek csökkentĂ©sĂ©vel egyĂŒtt. Egy gyakorlati folyamat dokumentĂĄlja a kritĂ©riumot, a metszĂ©svĂĄlasztĂĄsi lehetĆsĂ©geket Ă©s az Ă©rvĂ©nyesĂtĂ©si tervet, majd Ășjra ĂĄttekinti Ćket, amikor a populĂĄciĂł vagy a cĂmkefolyamat megvĂĄltozik. A jobb megjelenĂtĂ©s tisztĂĄzhatja, miĂ©rt vĂĄlasztottĂĄk a felosztĂĄst, de ez a kritĂ©rium tovĂĄbbra is a modellĂ©rtĂ©kelĂ©s egyik rĂ©sze, nem pedig minĆsĂ©gi tanĂșsĂtvĂĄny.
Ingyenes hĂrlevĂ©l
Minden hĂ©tköznap reggel hĂĄrom ellenĆrzött AI törtĂ©net, egyszerƱ angol nyelven. ĂrökkĂ© ingyen, hirdetĂ©sek nĂ©lkĂŒl.
Minden hĂ©tköznap egy e-mail. Egy kattintĂĄssal lemondhat. Soha nem Ă©rtĂ©kesĂtjĂŒk vagy osztjuk meg az Ăn cĂmĂ©t.
Teszteld magad
Azonnali visszajelzĂ©s minden vĂĄlaszra, Ă©s megoszthatĂł tanĂșsĂtvĂĄny egy ellenĆrizhetĆ azonosĂtĂłval, miutĂĄn sikeresen teljesĂt egy kurzust.
TĂĄmogassa az ingyenes AI oktatĂĄst. AI Understanding egy 501(c)(3) nonprofit â nincs hirdetĂ©s, nincs fizetĆfal, soha. Tegyen adomĂĄnyt
A Gini-szennyezĆdĂ©s azt mĂ©ri, hogy mennyire keverednek az osztĂĄlycĂmkĂ©k egy döntĂ©si fa csomĂłpontjĂĄban, a nulla pedig azt jelzi, hogy minden pĂ©lda egy osztĂĄlyhoz tartozik. A CART osztĂĄlyozĂłk a jelölt felosztĂĄsokbĂłl szĂĄrmazĂł szennyezĆdĂ©sek vĂĄrhatĂł csökkenĂ©sĂ©t hasznĂĄljĂĄk a partĂciĂłk kivĂĄlasztĂĄsĂĄhoz, de a pontszĂĄm inkĂĄbb helyi felosztĂĄsi kritĂ©rium, mint a modell minĆsĂ©gĂ©nek teljes mĂ©rtĂ©ke.
Egy mĂnusz (0,8 nĂ©gyzet plusz 0,2 nĂ©gyzet) 1 - 0,68 = 0,32.
Egy tiszta csomĂłpont egy osztĂĄlyarĂĄnya egy, tehĂĄt egy mĂnusz a nĂ©gyzetes arĂĄnyok összege nulla.
A felosztĂĄsi kritĂ©rium a gyermekszennyezĆdĂ©sek mintamĂ©rettel sĂșlyozott ĂĄtlagĂĄt hasznĂĄlja.
A megosztott nyeresĂ©g a szĂŒlĆ szennyezĆdĂ©se mĂnusz a felosztĂĄs utĂĄni sĂșlyozott ĂĄtlagos szennyezĆdĂ©s.
MindkettĆ osztĂĄlykeveredĂ©st mĂ©r az osztott kivĂĄlasztĂĄshoz, de kĂ©pleteik Ă©s numerikus skĂĄlĂĄik kĂŒlönböznek.
Tanulj tovĂĄbb
TovĂĄbbi ĂștmutatĂłk kĂ©szĂŒltek ehhez a tĂ©mĂĄhoz
LegközelebbKövetkezĆ ĂștmutatĂł
Markov-lĂĄnc Monte Carlo
MƱszaki