L'apprendimento in alta dimensione equivale sempre a estrapolazione
I dati ad alta dimensione cambiano il modo in cui le macchine apprendono.
La maggior parte dei modelli funziona bene sui dati di addestramento. Falliscono quando incontrano nuovi pattern. Ciò accade a causa delle alte dimensioni.
In alta dimensione, i punti dati sono molto distanti tra loro. Esistono spazi vuoti tra i tuoi punti dati. Il modello deve indovinare cosa accade in questi spazi vuoti.
Questa attività di supposizione è estrapolazione.
Quando un modello effettua un'estrapolazione, compie delle assunzioni. Se queste assunzioni sono errate, il modello fallisce.
Punti chiave da ricordare:
- Le alte dimensioni creano vasti spazi vuoti.
- I modelli devono colmare queste lacune per effettuare previsioni.
- Le previsioni in questi spazi si basano sull'estrapolazione.
- L'estrapolazione aumenta il rischio di errori.
Comprendere questo ti aiuta a costruire modelli migliori. Devi sapere quando il tuo modello sta tirando a indovinare.
Fonte: https://dev.to/paperium/learning-in-high-dimension-always-amounts-to-extrapolation-1nk
Comunità di apprendimento opzionale: https://t.me/GyaanSetuAi