Глоссарий ИИ
Полный словарь искусственного интеллекта
Platt Scaling
Метод калибровки вероятностей, который подгоняет сигмоидную функцию к оценкам решений SVM для преобразования выходных данных в хорошо откалиброванные вероятности. Использует логистическую регрессию на оценках решений для оценки апостериорных вероятностей классов.
Isotonic Regression
Техника непараметрической регрессии, которая подгоняет монотонную функцию к данным, используется для калибровки вероятностей SVM без ограничений на форму функции. Предлагает большую гибкость, чем Platt Scaling, но требует больше данных для предотвращения переобучения.
SVM Probabiliste
Расширение Машин Опорных Векторов, которое предоставляет оценки вероятностей для предсказаний классификации, а не просто метки классов. Объединяет надёжность SVM с вероятностными мерами уверенности для более информированных решений.
Calibration de probabilités
Процесс настройки сырых оценок классификации для точного отражения реальных апостериорных вероятностей классов. Необходим для приложений, где уверенность в предсказаниях так же важна, как и их точность.
Score de décision SVM
Сырое числовое значение, вычисляемое SVM перед окончательной классификацией, представляющее расстояние образца до разделяющей гиперплоскости. Используется как входные данные для методов вероятностной калибровки.
Fonction sigmoïde de calibration
Математическая S-образная функция, используемая в Platt Scaling для отображения оценок решений SVM в вероятности между 0 и 1. Параметризуется двумя коэффициентами, которые изучаются на этапе калибровки.
Validation croisée pour calibration
Техника оценки, которая использует различные данные для обучения SVM и калибровки вероятностей, чтобы избежать переобучения. Обеспечивает обобщаемость откалиброванных вероятностей на новые данные.
Brier Score
Метрика оценки, которая измеряет точность вероятностных предсказаний, вычисляя среднеквадратичную ошибку между предсказанными вероятностями и фактическими результатами. Используется для количественной оценки качества калибровки вероятностей SVM.
Кривая калибровки
График, который сравнивает предсказанные вероятности с наблюдаемыми частотами для визуальной оценки качества калибровки. Идеальная кривая следует по диагонали, что указывает на идеальную калибровку.
Монотонная изотоническая регрессия
Вариант изотонической регрессии, который накладывает ограничение на монотонное возрастание функции калибровки. Особенно эффективна, когда связь между оценками и вероятностями известна как монотонная, но нелинейная.
Расстояние до разделяющей полосы
Перпендикулярное расстояние от точки данных до разделяющей гиперплоскости SVM, используемое в качестве меры уверенности в классификации. Большие расстояния обычно указывают на более надёжные предсказания до калибровки.
Вероятностная разделяющая гиперплоскость
Разделяющая граница SVM, которая после калибровки сопоставляет вероятность с каждой точкой пространства признаков, а не просто бинарную классификацию. Позволяет осуществлять нюансированную количественную оценку неопределённости предсказаний.
Вероятностная ядерная функция
Функция преобразования, которая проецирует данные в пространство признаков, сохраняя при этом информацию, необходимую для последующей вероятностной калибровки. Должна поддерживать структуру расстояний для эффективной калибровки.
Настройка параметров калибровки
Процесс оптимизации коэффициентов в функциях калибровки (сигмоидной или изотонической) для минимизации ошибки между предсказанными и наблюдаемыми вероятностями. Использует такие методы, как максимизация правдоподобия или градиентный спуск.
Оценка качества вероятностей
Набор метрик и методов для проверки надёжности откалиброванных вероятностей SVM, включающий оценку Брайера, кривую калибровки и тест Хосмера-Лемешоу. Необходим для обеспечения практической полезности вероятностных предсказаний.
Калибровка SVM для многоклассовых задач
Расширение методов вероятностной калибровки на задачи с более чем двумя классами с использованием стратегий «один против всех» или попарного объединения. Требует специальных подходов для поддержания согласованности вероятностей между всеми классами.