← الفصول السابقة

تحليل الخطأ الجزئي

53. تحليل الأخطاء في أجزاء

دع النظام يكون ناقلًا مركبًا يتكون من وحدات مع التعلم الآلي. ما هو مكون هذا النظام الذي يجب تحسينه أولاً؟ من خلال ربط أخطاء النظام بعناصر محددة من الناقل ، يمكن اتخاذ قرار بشأن تحديد أولويات العمل.

دعونا نعود إلى مثال مصنف القطط السيامي لدينا:

العنصر الأول من النظام - كاشف القط ، يكتشف ويقطع جزءًا مع قطة من الصورة. العنصر الثاني - معرف السلالة ، يقرر ما إذا كانت القط السيامي على القطعة أم لا. يمكنك قضاء سنوات في العمل على تحسين أي من هذين المكونين. كيف تقرر أي واحد يجب التركيز عليه؟

يشير استخدام تحليل الخطأ في الأجزاء إلى أننا نحاول لكل خطأ تحديد نتيجة تشغيل أي وحدة (أو أحيانًا عدة) من النظام المركب. على سبيل المثال ، يحدد النظام بشكل غير صحيح أن الصورة لا تحتوي على قطة سيامية (y = 0) ، على الرغم من حقيقة أنها مصورة عليها والتسمية الصحيحة هي y = 1.

دعنا نحلل نتائج كل وحدة من وحدات النظام يدويًا. افترض أن كاشف القط اكتشف القطة على النحو التالي:

, :

, . y = 0. , , y = 0. , . , , :

, « ». , 100 , 90 , 10 « ». « ».

, . , . , , .

54. «»

:

:

« » , , , y = 0 ( ).

, « » , , , , , . , , « », « ».

, . , , , :

1. , ,

2. « » . « » , «». , «».

, , « » «» .

:

• 1: «» , « » - y = 0. , , .
• الحالة 2: على قطعة مقطوعة تمامًا ، يُرجع "مصنف السلالة" بشكل صحيح y = 1. وبالتالي ، إذا أعطى كاشف القط جزءًا أفضل ، فإن الاستنتاج العام للنظام سيكون صحيحًا. في هذه الحالة ، نعزو الخطأ إلى "كاشف القطط".

من خلال تحليل الأمثلة المصنفة بشكل غير صحيح لعينات التحقق من الصحة ، يمكننا أن نعزو كل خطأ بشكل لا لبس فيه إلى واحد أو آخر من مكونات النظام. يسمح لنا هذا النهج بتقدير نسبة الأخطاء لكل عنصر من عناصر النظام ، وبالتالي تحديد العنصر الذي يجب التركيز عليه.

استمرار