உயர் பரிமாண கற்றல் எப்போதும் Extrapolation எனப்படும் புறப்பரப்பு கணிப்பையே குறிக்கிறது

உயர் பரிமாணத் தரவுகள் (High dimensional data) இயந்திரங்கள் கற்கும் முறையை மாற்றுகின்றன.

பெரும்பாலான மாதிரிகள் (Models) பயிற்சித் தரவுகளில் (training data) சிறப்பாகச் செயல்படுகின்றன. புதிய வடிவங்களைச் சந்திக்கும் போது அவை தோல்வியடைகின்றன. இது உயர் பரிமாணங்களால் நிகழ்கிறது.

உயர் பரிமாணங்களில், தரவுப் புள்ளிகள் (data points) ஒன்றுக்கொன்று வெகு தொலைவில் அமைகின்றன. உங்கள் தரவுப் புள்ளிகளுக்கு இடையே காலியிடங்கள் உள்ளன. இந்த காலியிடங்களில் என்ன நடக்கும் என்பதை மாதிரி (model) யூகிக்க வேண்டியுள்ளது.

இந்த யூகமே Extrapolation ஆகும்.

ஒரு மாதிரி Extrapolate செய்யும்போது, அது சில அனுமானங்களைச் செய்கிறது. அந்த அனுமானங்கள் தவறாக இருந்தால், மாதிரி தோல்வியடையும்.

நினைவில் கொள்ள வேண்டிய முக்கியக் குறிப்புகள்:

இதைப் புரிந்துகொள்வது சிறந்த மாதிரிகளை உருவாக்க உங்களுக்கு உதவும். உங்கள் மாதிரி எப்போது யூகிக்கிறது என்பதை நீங்கள் அறிந்திருக்க வேண்டும்.

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

விருப்பத்தேர்வு கற்றல் சமூகம்: https://t.me/GyaanSetuAi