- Apa yang berlaku dalam pembelajaran mesin?
- Mengapa Pembelajaran Mesin Downsample?
- Adakah downsampling mengurangkan ketepatan?
- Mengapa kita menggunakan downsampling?
Apa yang berlaku dalam pembelajaran mesin?
Downsampling (dalam konteks ini) bermaksud latihan mengenai subset yang tidak seimbang dari contoh kelas majoriti. Upah berat bermaksud menambah berat contoh ke kelas downsampled sama dengan faktor yang anda turunkan.
Mengapa Pembelajaran Mesin Downsample?
Downsampling adalah mekanisme yang mengurangkan kiraan sampel latihan yang jatuh di bawah kelas majoriti. Memandangkan ia dapat meningkatkan jumlah kategori sasaran. Dengan mengeluarkan data yang dikumpulkan, kami cenderung kehilangan maklumat yang sangat berharga.
Adakah downsampling mengurangkan ketepatan?
Dengan peningkatan kadar downsampling, semua ketepatan model meningkat, kerana lebih banyak maklumat latar belakang disediakan dalam latihan yang ditetapkan untuk mengelakkan positif palsu. Berbeza dengan pengesan dua peringkat, SSD mempunyai ketepatan pengesanan yang lebih rendah.
Mengapa kita menggunakan downsampling?
Downsampling membolehkan anda membuat model yang lebih kecil kerana algoritma pembelajaran mesin tidak memerlukan seberapa banyak titik data latihan. Untuk AI tertanam, penggunaan memori adalah penting; Membuat model yang lebih kecil tetapi masih sangat tepat membolehkan anda menjimatkan ruang untuk kod aplikasi dan proses lain pada peranti.