Newsletter · kurs „ML w 10 dni” · dzień 1 z 10 · ok. 2 min czytania
Reguła z przykładów zamiast reguły od człowieka
W skrócie
Dzień 1 kursu mailowego „ML w 10 dni”: czym jest model uczenia maszynowego, czyli reguła wyciągnięta z przykładów, i dlaczego liczy się wynik na nowych danych.
Pojęcie: Czym jest model ·
1. Haczyk
Dziecko uczy się rozpoznawać psy bez żadnej definicji. Ktoś pokazuje palcem: to pies, to kot, to też pies. Po jakimś czasie dziecko samo rozpoznaje jamnika, którego nigdy wcześniej nie widziało. Nikt mu nie podał reguły. Wyciągnęło ją z przykładów.
2. Przewidź
Lekarz chce oznaczać guzy jako podejrzane, gdy ich promień przekracza pewien próg. Algorytm sam wybrał próg, który działa najlepiej na biopsjach treningowych. Lekarz ustawił swój próg na oko, na 15,0. Który próg wypadnie lepiej na nowych biopsjach?
Zapamiętaj swoją odpowiedź. Rozwiązanie jest niżej.
3. Wyjaśnienie
W zwykłym programowaniu człowiek pisze regułę, a komputer ją wykonuje. W uczeniu maszynowym człowiek daje przykłady z odpowiedziami, a algorytm szuka reguły, która najlepiej je opisuje. Ta znaleziona reguła to model.
Rozwiązanie. Próg wyuczony przez algorytm trafia w 89,7% biopsji treningowych, ale na 171 biopsjach testowych tylko w 86,0%. Ręczny próg lekarza, 15,0, ma na tych samych biopsjach testowych 88,3%. Reguła dopasowana do jednych danych na nowych wypada zwykle trochę gorzej, a najlepsza na treningu nie musi być najlepsza w ogóle.
Dlatego w uczeniu maszynowym zawsze odkładamy część danych na bok i sprawdzamy model na przykładach, których nie widział. O tym jest następny dzień kursu.
Sprawdź sam. W lekcji kursu przesuwasz próg i porównujesz go z progiem wyuczonym przez algorytm.
4. Częsty błąd
„Model rozumie, czym jest nowotwór.” Nie rozumie. Zna tylko liczby z przykładów i odpowiedzi, które do nich dostał. Jeśli w przykładach jest błąd albo uprzedzenie, model nauczy się błędu tak samo chętnie jak reguły.
5. Gdzie ta analogia się psuje
Dziecko pyta „dlaczego?”, uczy się z kilku przykładów i korzysta z wiedzy o całym świecie. Model zwykle potrzebuje dużo więcej przykładów i nie wie nic poza nimi. Pokaż mu same jamniki, a owczarek będzie dla niego zagadką.
6. Dlaczego to ważne w pracy
Każdy projekt uczenia maszynowego zaczyna się od pytania: czy mam przykłady z dobrymi odpowiedziami? Odpowiedzi nazywa się etykietami. Bez nich nie ma uczenia nadzorowanego, a ze złymi etykietami model będzie dokładnie tak dobry jak one.
7. Pytanie powtórkowe
Czym różni się reguła napisana przez programistę od reguły, której nauczył się model? Odpowiedz jednym zdaniem.
Odpowiedź w następnym dniu kursu.