Gözetimli Öğrenme: Sinyal ve Gürültü
Model hangi yapıyı öğrenir, hangi değişkenlik kalır?
Kavram
Gözetimli öğrenmede özelliklerden bir hedef tahmin edilir. y=f(x)+ε ayrımı, sistematik yapı ile açıklanamayan değişkenliği düşünmek için yararlı bir çerçevedir. Tahmin edilen f̂, sınırlı veri ve seçilen model ailesi nedeniyle gerçek ilişkiden farklı olabilir.
Bir örnek üzerinden
Teslimat süresini mesafe ile açıklayan doğrusal model, trafik saatinin etkisini kaçırabilir. Bu farkın bir bölümü ölçülmeyen bilgiye, bir bölümü uygun olmayan fonksiyon biçimine bağlıdır. Daha karmaşık model kurmak, her iki kaynağı da otomatik olarak çözmez.
Görsel üzerinden
Sentetik gözlemler, veriyi üreten fonksiyon ve öğrenilen doğru ayrı ayrı açılıp kapatılabilir. Gürültü arttığında aynı x için y değerleri daha çok dağılır. Yeni örneklem almak, aynı süreç altında öğrenilen doğrunun da değişebildiğini gösterir.
Yorumlama
Gerçek fonksiyon yalnızca simülasyonda bilinir. Buradaki R² eğitim verisindeki uyumu ölçer; yeni verideki başarının kanıtı değildir. Model seçimi ve değerlendirmede ayrı veri kullanımı sonraki modüllerde ele alınır.
Kapsam ve okuma
Bu modülün görselleri öğretim amaçlıdır. İlgili okuma: scikit-learn · Çapraz doğrulama. Açıklamalı kaynak dizini →