Yüksek Boyutlarda Öğrenmek Her Zaman Ekstrapolasyona Dönüşür
Yüksek boyutlu veriler, makinelerin öğrenme biçimini değiştirir.
Çoğu model eğitim verileri üzerinde iyi çalışır. Yeni kalıplarla karşılaştıklarında ise başarısız olurlar. Bu, yüksek boyutlardan kaynaklanır.
Yüksek boyutlarda, veri noktaları birbirinden çok uzaktır. Veri noktalarınız arasında boşluklar bulunur. Model, bu boşluklarda neler olup bittiğini tahmin etmek zorundadır.
Bu tahminleme işlemi ekstrapolasyondur.
Bir model ekstrapolasyon yaptığında varsayımlarda bulunur. Eğer bu varsayımlar yanlışsa, model başarısız olur.
Hatırlanması gereken önemli noktalar:
- Yüksek boyutlar uçsuz bucaksız boşluklar yaratır.
- Modeller, tahminlerde bulunmak için bu boşlukları doldurmalıdır.
- Bu boşluklardaki tahminler ekstrapolasyona dayanır.
- Ekstrapolasyon hata riskini artırır.
Bunu anlamak, daha iyi modeller inşa etmenize yardımcı olur. Modelinizin ne zaman tahmin yürüttüğünü bilmelisiniz.
Kaynak: https://dev.to/paperium/learning-in-high-dimension-always-amounts-to-extrapolation-1nk
İsteğe bağlı öğrenme topluluğu: https://t.me/GyaanSetuAi