Ers पिछला अध्याय

आंशिक त्रुटि विश्लेषण

53. भागों में त्रुटियों का विश्लेषण

सिस्टम को मशीन लर्निंग के साथ मॉड्यूल से युक्त एक समग्र कन्वेयर होने दें। इस प्रणाली के किस घटक को पहले सुधारा जाना चाहिए? कन्वेयर के विशिष्ट तत्वों के साथ सिस्टम त्रुटियों को सहसंबंधित करके, प्राथमिकता वाले काम पर निर्णय लिया जा सकता है।

आइए अपने स्याम देश की बिल्लियों के वर्गीकरण उदाहरण पर वापस आते हैं:

सिस्टम का पहला तत्व - एक बिल्ली डिटेक्टर, छवि से एक बिल्ली के साथ एक टुकड़े का पता लगाता है और काटता है। दूसरा तत्व - नस्ल का पहचानकर्ता, तय करता है कि टुकड़े पर सियामी बिल्ली है या नहीं। आप इन दो घटकों में से किसी को बेहतर बनाने के लिए काम करने में वर्षों लगा सकते हैं। कैसे तय करें कि किस पर ध्यान केंद्रित करना है?

भागों में त्रुटि विश्लेषण के उपयोग का अर्थ है कि प्रत्येक त्रुटि के लिए हम समग्र प्रणाली के किस मॉड्यूल (या कभी-कभी कई) के संचालन का परिणाम निर्धारित करने का प्रयास कर रहे हैं। उदाहरण के लिए, सिस्टम गलत तरीके से निर्धारित करता है कि छवि में कोई स्याम देश की बिल्ली नहीं है (y = 0), इस तथ्य के बावजूद कि उसे इस पर चित्रित किया गया है और सही लेबल y = 1 है।

आइए सिस्टम के प्रत्येक मॉड्यूल के परिणामों का मैन्युअल रूप से विश्लेषण करें। मान लीजिए कि एक बिल्ली डिटेक्टर एक बिल्ली का पता लगाता है:

, :

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

, « ». , 100 , 90 , 10 « ». « ».

, . , . , , .

54. «»

:

:

« » , , , y = 0 ( ).

, « » , , , , , . , , « », « ».

, . , , , :

1. , ,

2. « » . « » , «». , «».

, , « » «» .

:

• 1: «» , « » - y = 0. , , .
• केस 2: पूरी तरह से कटे हुए टुकड़े पर, "ब्रीड क्लासिफायर" सही ढंग से y = 1. लौटाता है। इस प्रकार, यदि कैट डिटेक्टर ने एक बेहतर टुकड़ा दिया, तो सिस्टम का सामान्य निष्कर्ष सही होगा। इस स्थिति में, हम त्रुटि को "कैट डिटेक्टर" के लिए कहते हैं।

सत्यापन के नमूनों के इस प्रकार गलत तरीके से वर्गीकृत उदाहरणों का विश्लेषण करके, हम सिस्टम के एक या किसी अन्य घटक को प्रत्येक त्रुटि को स्पष्ट रूप से चित्रित कर सकते हैं। यह दृष्टिकोण हमें सिस्टम के प्रत्येक तत्व के अनुसार त्रुटियों के अनुपात का अनुमान लगाने की अनुमति देता है, और इसलिए, निर्णय लेना है कि किस पर ध्यान केंद्रित करना है।

विस्तार