کنفرانس بین المللی محاسبات نرم

صفحه اصلی / چهارمین کنفرانس بین المللی محاسبات نرم

مروری بر موازنه‌ی تورش - واریانس و روش‌های بازنمونه‌گیری در یادگیری ماشین

نویسندگان :

مریم رستمی نیا¹

1- 04134327500

کلمات کلیدی :

اعتبارسنجی متقابل، بازنمونه‌گیری، بوت‌استرپ، تعادل تورش – واریانس، یادگیری ماشین

چکیده :

امروزه با توجه به گسترش علم اطلاعات و در اختیار داشتن حجم وسیعی از داده‌ها و همچنین پیشرفت‌های گسترده در زمینه تکنولوژی، یادگیری ماشین به ابزاری بسیار مهم برای ساخت مدل در رشته‌های مختلف تبدیل شده است. اما با وجود تنوع بالا در مدل‌ها نیاز به تکنیک‌هایی داریم که بتوانیم از بین مدل‌های مختلف بهترین مدل را با توجه به داده‌ها انتخاب کنیم.عملکرد کلی یک روش یادگیری به توانایی آن در پیش‌بینی داده‌های آزمون مستقل مرتبط است. ارزیابی عملکرد ما را به سمت انتخاب درست مدل پیش می‌برد و یک اندازه برای مدل نهایی به دست می‌دهد. برای چنین کاری نیاز است مفاهیمی مانند تورش و واریانس در این مدل‌ها را بررسی کرده و به یک رابطه‌ی تعادلی بین آن‌ها برسیم، همچنین تکنیک‌های بازنمونه‌گیری را معرفی می‌کنیم که بتوان با استفاده از آن‌ها بهترین مدل را انتخاب کرد از جمله این تکنیک‌ها اعتبارسنجی متقابل و بوت‌استرپ هستند.