இல் , ஒரு மாதிரியின் செயல்திறன் அதன் கணிப்புகளை அடிப்படையாகக் கொண்டது மற்றும் இது காணப்படாத, சுயாதீனமான தரவை நோக்கி எவ்வளவு பொதுமைப்படுத்துகிறது. மாதிரியின் துல்லியத்தை அளவிடுவதற்கான ஒரு வழி, மாதிரியின் சார்பு மற்றும் மாறுபாட்டைக் கணக்கிடுவதன் மூலம். இந்த கட்டுரையில், மாதிரியின் நம்பகத்தன்மையை தீர்மானிப்பதில் சார்பு-மாறுபாடு எவ்வாறு முக்கிய பங்கு வகிக்கிறது என்பதைக் கற்றுக்கொள்வோம். இந்த கட்டுரையில் பின்வரும் தலைப்புகள் விவாதிக்கப்பட்டுள்ளன:
- மாற்ற முடியாத பிழை
- இயந்திர கற்றலில் சார்பு என்ன?
- இயந்திர கற்றல் மாதிரியில் மாறுபாடு?
- இயந்திர கற்றல் மாதிரியை இது எவ்வாறு பாதிக்கிறது?
- சார்பு-மாறுபாடு வர்த்தகம்
- மொத்த பிழை
மாற்ற முடியாத பிழை
எந்த மாதிரியும் புதிய சுயாதீனமான, காணப்படாத தரவு தொகுப்பில் கணிப்பு பிழையின் அடிப்படையில் மதிப்பிடப்படுகிறது. பிழை என்பது உண்மையான வெளியீட்டிற்கும் கணிக்கப்பட்ட வெளியீட்டிற்கும் உள்ள வித்தியாசத்தைத் தவிர வேறில்லை. பிழையைக் கணக்கிட, குறைக்கக்கூடிய மற்றும் மாற்றமுடியாத பிழையின் சுருக்கத்தை நாங்கள் செய்கிறோம் a.k.a சார்பு-மாறுபாடு சிதைவு.
மீளமுடியாத பிழை என்பது எதுவாக இருந்தாலும் குறைக்க முடியாத பிழைகள் தவிர வேறில்லை நீங்கள் மாதிரியில் பயன்படுத்துகிறீர்கள். இது வெளியீட்டு மாறியில் நேரடி செல்வாக்கைக் கொண்ட அசாதாரண மாறிகள் காரணமாக ஏற்படுகிறது. எனவே, உங்கள் மாதிரியை திறமையாக்குவதற்கு, எல்லா செலவிலும் நாங்கள் மேம்படுத்த வேண்டிய குறைக்கக்கூடிய பிழையை நாங்கள் கொண்டுள்ளோம்.
குறைக்கக்கூடிய பிழை இரண்டு கூறுகளைக் கொண்டுள்ளது - சார்பு மற்றும் மாறுபாடு , சார்பு மற்றும் மாறுபாட்டின் இருப்பு மாதிரியின் துல்லியத்தை பல வழிகளில் பாதிக்கிறது அதிகப்படியான பொருத்துதல், குறைத்தல் , முதலியன.இல் குறைக்கக்கூடிய பிழையை எவ்வாறு கையாள்வது என்பதைப் புரிந்துகொள்ள சார்பு மற்றும் மாறுபாட்டைப் பார்ப்போம் .
இயந்திர கற்றலில் சார்பு என்ன?
சார்பு என்பது உண்மையான மதிப்பிலிருந்து மதிப்பை நாம் எவ்வளவு தூரம் கணித்துள்ளோம். சராசரி கணிப்புகள் உண்மையான மதிப்புகளிலிருந்து வெகு தொலைவில் இருந்தால் சார்பு மிக அதிகம் என்று நாங்கள் கூறுகிறோம்.
ஒரு உயர் சார்பு வழிமுறை ஒரு மேலாதிக்க முறை அல்லது உள்ளீடு மற்றும் வெளியீட்டு மாறிகள் இடையேயான உறவை இழக்கச் செய்யும். சார்பு மிக அதிகமாக இருக்கும்போது, அந்த மாதிரி மிகவும் எளிமையானது என்றும், உறவைத் தீர்மானிக்க அமைக்கப்பட்ட தரவுகளின் சிக்கலைப் புரிந்து கொள்ளாது என்றும் கருதப்படுகிறது.குறைவான பொருத்தத்தை ஏற்படுத்தும்.
இயந்திர கற்றல் மாதிரியில் மாறுபாடு?
ஒரு சுயாதீனமான, காணப்படாத தரவு தொகுப்பு அல்லது சரிபார்ப்பு தொகுப்பில். பயிற்சியளிக்கப்பட்ட தரவுத் தொகுப்பைப் போலவே ஒரு மாதிரியும் செயல்படாதபோது, மாதிரியில் மாறுபாடு இருப்பதற்கான வாய்ப்பு உள்ளது. கணிக்கப்பட்ட மதிப்புகள் உண்மையான மதிப்புகளிலிருந்து எவ்வளவு சிதறடிக்கப்படுகின்றன என்பதை இது அடிப்படையில் கூறுகிறது.
தரவுத் தொகுப்பில் அதிக மாறுபாடு என்பது மாடல் அதிக சத்தம் மற்றும் பொருத்தமற்ற தரவுகளுடன் பயிற்சியளித்தது என்பதாகும். இதனால் மாதிரியில் அதிகப்படியான பொருத்தம் ஏற்படுகிறது. ஒரு மாதிரியில் அதிக மாறுபாடு இருக்கும்போது, அது மிகவும் நெகிழ்வானதாக மாறி புதிய தரவு புள்ளிகளுக்கு தவறான கணிப்புகளை செய்கிறது. ஏனென்றால் அது பயிற்சித் தொகுப்பின் தரவு புள்ளிகளுடன் தன்னை இணைத்துக் கொண்டுள்ளது.
சார்பு-மாறுபாடு என்ற கருத்தை கணித ரீதியாக புரிந்து கொள்ள முயற்சிப்போம். நாம் Y என்று கணிக்கும் மாறி மற்றும் பிற சுயாதீன மாறிகள் X ஆக இருக்கட்டும். இப்போது இரண்டு மாறிகள் இடையே ஒரு உறவு இருக்கிறது என்று வைத்துக் கொள்வோம்:
Y = f (X) + e
மேலே உள்ள சமன்பாட்டில், இங்கே இருக்கிறது சராசரி மதிப்புடன் மதிப்பிடப்பட்ட பிழை 0. போன்ற வழிமுறைகளைப் பயன்படுத்தி ஒரு வகைப்படுத்தியை உருவாக்கும் போது நேரியல் பின்னடைவு , , முதலியன, புள்ளி x இல் எதிர்பார்க்கப்படும் ஸ்கொயர் பிழை:
err (x) = சார்பு2+ மாறுபாடு + மறுக்க முடியாத பிழை
சார்பு-மாறுபாடு எவ்வாறு பாதிக்கும் என்பதைப் புரிந்துகொள்வோம் இயந்திர வழி கற்றல் மாதிரியின் செயல்திறன்.
இயந்திர கற்றல் மாதிரியை இது எவ்வாறு பாதிக்கிறது?
சார்பு-மாறுபாட்டிற்கான உறவை கீழே பட்டியலிடப்பட்ட நான்கு வகைகளில் வைக்கலாம்:
- உயர் மாறுபாடு-உயர் சார்பு - மாதிரி சீரற்றது மற்றும் சராசரியாக தவறானது
- குறைந்த மாறுபாடு-உயர் சார்பு - மாதிரிகள் சீரானவை ஆனால் சராசரியாக குறைவாக உள்ளன
- உயர் மாறுபாடு-குறைந்த சார்பு - சற்றே துல்லியமானது ஆனால் சராசரிகளில் பொருந்தாது
- குறைந்த மாறுபாடு-குறைந்த சார்பு - இது சிறந்த சூழ்நிலை, மாதிரி சீரானது மற்றும் சராசரியாக துல்லியமானது.
ஒரு மாதிரியில் சார்பு மற்றும் மாறுபாட்டைக் கண்டறிவது மிகவும் தெளிவாகத் தெரிகிறது. அதிக மாறுபாடு கொண்ட ஒரு மாதிரியில் குறைந்த பயிற்சி பிழை மற்றும் அதிக சரிபார்ப்பு பிழை இருக்கும். உயர் சார்பு விஷயத்தில், மாதிரியில் உயர் பயிற்சி பிழை இருக்கும் மற்றும் சரிபார்ப்பு பிழை பயிற்சி பிழையைப் போன்றது.
கண்டறிவது எளிதானது என்று தோன்றினாலும், அதை குறைந்தபட்சமாகக் குறைப்பதே உண்மையான பணி. அவ்வாறான நிலையில், நாம் பின்வருவனவற்றைச் செய்யலாம்:
- மேலும் உள்ளீட்டு அம்சங்களைச் சேர்க்கவும்
- பல்லுறுப்புறுப்பு அம்சங்களை அறிமுகப்படுத்துவதன் மூலம் மேலும் சிக்கலானது
- ஒழுங்குமுறை காலத்தை குறைக்கவும்
- கூடுதல் பயிற்சி தரவைப் பெறுதல்
சார்பு மற்றும் மாறுபாடு என்றால் என்ன, அது எங்கள் மாதிரியை எவ்வாறு பாதிக்கிறது என்பதை இப்போது நாம் அறிந்திருக்கிறோம், ஒரு சார்பு-மாறுபாடு வர்த்தகத்தை முடக்குவோம்.
சார்பு-மாறுபாடு வர்த்தகம்-ஆஃப்
மாதிரியின் சார்பு மற்றும் மாறுபாட்டிற்கு இடையில் சரியான சமநிலையைக் கண்டறிவது பயாஸ்-வேரியன்ஸ் டிரேட்-ஆஃப் என்று அழைக்கப்படுகிறது. எந்தவொரு சந்தர்ப்பத்திலும் மாதிரியானது பொருத்தமாகவோ அல்லது பொருத்தமாகவோ இல்லை என்பதை உறுதிப்படுத்த இது ஒரு வழியாகும்.
மாடல் மிகவும் எளிமையானது மற்றும் மிகக் குறைந்த அளவுருக்களைக் கொண்டிருந்தால், அது அதிக சார்பு மற்றும் குறைந்த மாறுபாட்டால் பாதிக்கப்படும். மறுபுறம், மாதிரியில் அதிக அளவுருக்கள் இருந்தால், அது அதிக மாறுபாடு மற்றும் குறைந்த சார்புகளைக் கொண்டிருக்கும். இந்த வர்த்தகம் இருவருக்கும் இடையில் ஒரு சீரான உறவை ஏற்படுத்த வேண்டும். வெறுமனே, குறைந்த சார்பு மற்றும் குறைந்த மாறுபாடு எந்த இயந்திர கற்றல் மாதிரிக்கும் இலக்காகும்.
மொத்த பிழை
எந்தவொரு இயந்திர கற்றல் மாதிரியிலும், சார்பு மற்றும் மாறுபாட்டிற்கு இடையில் ஒரு நல்ல சமநிலை முன்கணிப்பு துல்லியத்தின் அடிப்படையில் ஒரு சரியான காட்சியாக செயல்படுகிறது மற்றும் அதிகப்படியான பொருளைத் தவிர்ப்பது, முற்றிலும் பொருந்தாது. வழிமுறை சிக்கலான தன்மையைப் பொறுத்தவரை, சார்பு மற்றும் மாறுபாட்டிற்கு இடையில் ஒரு உகந்த சமநிலை, மாதிரியானது ஒருபோதும் பொருத்தமாகவோ அல்லது பொருத்தமற்றதாகவோ இருப்பதை உறுதி செய்யும்.
புள்ளிவிவர மாதிரியில் சராசரி ஸ்கொயர் பிழை ஸ்கொயர் சார்பு மற்றும் மாறுபாடு மற்றும் பிழையின் மாறுபாடு ஆகியவற்றின் தொகையாகக் கருதப்படுகிறது. ஒரு மாதிரியில் சார்பு, மாறுபாடு மற்றும் மறுக்கமுடியாத பிழை உள்ள மொத்த பிழையின் உள்ளே இவை அனைத்தையும் வைக்கலாம்.
நடைமுறைச் செயலாக்கத்தின் உதவியுடன் மொத்த பிழையை எவ்வாறு குறைப்பது என்பதைப் புரிந்துகொள்வோம்.
நாங்கள் ஒரு உருவாக்கியுள்ளோம் நேரியல் பின்னடைவு வகைப்படுத்தி இல் இயந்திர கற்றலில் நேரியல் பின்னடைவு தரவுத்தொகுப்புகள் தொகுதியில் அமைக்கப்பட்ட நீரிழிவு தரவைப் பயன்படுத்தி எடுரேகா பற்றிய கட்டுரை ஸ்கிக்கிட் கற்க நூலகம்.
வகைப்படுத்தியின் சராசரி ஸ்கொயர் பிழையை மதிப்பீடு செய்தபோது, மொத்தம் 2500 க்குள் பிழை ஏற்பட்டது.
மொத்த பிழையைக் குறைக்க, நாங்கள் வகைப்படுத்திக்கு கூடுதல் தரவை வழங்கினோம், அதற்கு பதிலாக சராசரி ஸ்கொயர் பிழை 2000 ஆகக் குறைக்கப்பட்டது.
மாதிரிக்கு அதிக பயிற்சி தரவை வழங்குவதன் மூலம் மொத்த பிழையை குறைப்பதற்கான எளிய செயல்படுத்தல் இது. இதேபோல், பிழையைக் குறைக்கவும், திறமையான இயந்திர கற்றல் மாதிரியின் சார்புக்கும் மாறுபாட்டிற்கும் இடையில் சமநிலையைப் பராமரிக்க மற்ற நுட்பங்களைப் பயன்படுத்தலாம்.
இந்த கட்டுரையின் முடிவில் இது நம்மை மாக்ஸில் பயாஸ்-வேரியன்ஸ் கற்றுக்கொண்டதுine அதன் செயல்படுத்தல் மற்றும் பயன்பாட்டு வழக்கைக் கொண்டு கற்றல். இந்த டுடோரியலில் உங்களுடன் பகிரப்பட்ட எல்லாவற்றையும் நீங்கள் தெளிவாகக் கருதுகிறீர்கள் என்று நம்புகிறேன்.
“இயந்திர கற்றலில் சார்பு-மாறுபாடு” குறித்த இந்த கட்டுரையை நீங்கள் கண்டால், பாருங்கள் உலகம் முழுவதும் பரவியுள்ள 250,000 க்கும் மேற்பட்ட திருப்தியான கற்றவர்களின் வலைப்பின்னலுடன் நம்பகமான ஆன்லைன் கற்றல் நிறுவனம்.
ஜாவாவில் இரட்டை எண்ணாக எண்ணுகிறது
உங்கள் பயணத்தின் ஒவ்வொரு அடியிலும் உங்களுக்கு உதவ நாங்கள் இங்கு வந்துள்ளோம், மேலும் மாணவர்கள் மற்றும் தொழில் வல்லுநர்களுக்காக வடிவமைக்கப்பட்ட ஒரு பாடத்திட்டத்தை கொண்டு வருகிறோம். . பைதான் புரோகிராமிங்கில் உங்களுக்கு ஒரு தொடக்கத்தைத் தருவதற்கும், பல்வேறு மற்றும் முக்கிய மற்றும் மேம்பட்ட பைதான் கருத்தாக்கங்களுக்கும் பயிற்சி அளிப்பதற்காக இந்த படிப்பு வடிவமைக்கப்பட்டுள்ளது. போன்ற , , முதலியன.
நீங்கள் ஏதேனும் கேள்விகளைக் கண்டால், 'இயந்திர கற்றலில் சார்பு-மாறுபாடு' இன் கருத்துகள் பிரிவில் உங்கள் எல்லா கேள்விகளையும் கேட்க தயங்கவும், எங்கள் குழு பதிலளிப்பதில் மகிழ்ச்சி அடைகிறது.