เหตุใดขอบเขต จำกัด จึงมีปัญหาในการเรียนรู้ของเครื่อง?

คุณช่วยอธิบายความแม่นยำอัน จำกัด ได้อย่างไร? เหตุใดขอบเขต จำกัด จึงมีปัญหาในการเรียนรู้ของเครื่อง?

ความแม่นยำ จำกัด คือการแสดงทศนิยมของตัวเลขที่ถูกปัดเศษหรือตัดให้สั้นลง มีหลายกรณีที่อาจจำเป็นหรือเหมาะสม ตัวอย่างเช่น 1/3 และตัวเลขยอดเยี่ยม$e$ และ $\pi$ทั้งหมดมีการแทนทศนิยมไม่สิ้นสุด ในภาษาโปรแกรม C ค่าสองเท่าคือ 8 บิตและแม่นยำถึง 16 หลัก ดูที่นี่

http://www.learncpp.com/cpp-tutorial/25-floating-point-numbers/

ในการเป็นตัวแทนของตัวเลขเหล่านี้อย่างเป็นรูปธรรมบนคอมพิวเตอร์ (จำกัด ) จะต้องมีการประนีประนอมบางอย่าง เราสามารถเขียน 1/3 ถึง 9 หลักเป็น. 333333333 ซึ่งน้อยกว่า 1/3

การประนีประนอมเหล่านี้จะประกอบกับการดำเนินการทางคณิตศาสตร์ อัลกอริทึมที่ไม่เสถียรมีแนวโน้มที่จะเกิดข้อผิดพลาดทางคณิตศาสตร์ นี่คือเหตุผลที่ SVD มักถูกใช้เพื่อคำนวณ PCA (ความไม่เสถียรของเมทริกซ์ความแปรปรวนร่วม)

http://www.sandia.gov/~smartin/presentations/SMartin_Stability.pdf

https://en.wikipedia.org/wiki/Numerical_stability

ในลักษณนามไร้เดียงสาไร้เดียงสาคุณมักจะเห็นการคูณการแปลงเป็นผลรวมของลอการิทึมซึ่งมีแนวโน้มที่จะเกิดข้อผิดพลาดในการปัดเศษน้อยลง

https://en.wikipedia.org/wiki/Naive_Bayes_classifier#Multinomial_naive_Bayes

หนึ่งตัวอย่างง่ายๆเดียว: ปัญหาการไล่ระดับสีจางหายในการเรียนรู้ลึก มันไม่ใช่ปัญหาความแม่นยำแน่นอนส่วนใหญ่ แต่นั่นก็เป็นส่วนหนึ่งของปัญหา