उच्च परिमाणात (High Dimension) शिकणे म्हणजे नेहमीच एक्सट्रपॉलेशन (Extrapolation) असते

उच्च परिमाणावरील डेटा (High dimensional data) मशीन कशा प्रकारे शिकतात हे बदलतो.

बहुतेक मॉडेल्स ट्रेनिंग डेटावर चांगले काम करतात. परंतु जेव्हा त्यांना नवीन पॅटर्न आढळतात, तेव्हा ती अपयशी ठरतात. हे उच्च परिमाणांमुळे (high dimensions) घडते.

उच्च परिमाणांमध्ये, डेटा पॉइंट्स एकमेकांपासून खूप दूर असतात. तुमच्या डेटा पॉइंट्समध्ये रिकाम्या जागा (empty spaces) असतात. या रिकाम्या जागांमध्ये काय घडते याचा अंदाज मॉडेलला लावावा लागतो.

हा अंदाज लावणे म्हणजेच एक्सट्रपॉलेशन (extrapolation) होय.

जेव्हा एखादे मॉडेल एक्सट्रपॉलेशन करते, तेव्हा ते काही गृहितके (assumptions) मांडते. जर ती गृहितके चुकीची असतील, तर मॉडेल अपयशी ठरते.

लक्षात ठेवण्यासारखे महत्त्वाचे मुद्दे:

हे समजून घेतल्याने तुम्हाला अधिक चांगली मॉडेल्स तयार करण्यास मदत होईल. तुमचे मॉडेल कधी अंदाज लावत आहे, हे तुम्हाला माहित असणे आवश्यक आहे.

स्रोत: https://dev.to/paperium/learning-in-high-dimension-always-amounts-to-extrapolation-1nk

पर्यायी लर्निंग कम्युनिटी: https://t.me/GyaanSetuAi