ฉันเห็นว่าทั้งสองฟังก์ชั่นเป็นส่วนหนึ่งของวิธีการขุดข้อมูลเช่นตัวเร่งการเลื่อนสีไล่ระดับสี ฉันเห็นว่ามันเป็นวัตถุแยกกันเช่นกัน
ความสัมพันธ์ระหว่างทั้งสองเป็นอย่างไร
ฉันเห็นว่าทั้งสองฟังก์ชั่นเป็นส่วนหนึ่งของวิธีการขุดข้อมูลเช่นตัวเร่งการเลื่อนสีไล่ระดับสี ฉันเห็นว่ามันเป็นวัตถุแยกกันเช่นกัน
ความสัมพันธ์ระหว่างทั้งสองเป็นอย่างไร
คำตอบ:
ฟังก์ชั่นการตัดสินใจเป็นฟังก์ชั่นซึ่งจะมีชุดข้อมูลเป็น input และให้การตัดสินใจเป็นเอาท์พุท การตัดสินใจขึ้นอยู่กับปัญหาที่เกิดขึ้น ตัวอย่างรวมถึง:
โดยทั่วไปจะมีฟังก์ชั่นการตัดสินใจจำนวนไม่ จำกัด สำหรับปัญหา หากเรามีความสนใจในการประเมินความสูงของชายชาวสวีเดนจากการสังเกตสิบครั้งเราสามารถใช้ฟังก์ชันการตัดสินใจใด ๆ ต่อไปนี้d ( x ) :
เราจะตัดสินใจได้อย่างไรว่าจะใช้ฟังก์ชันการตัดสินใจใด วิธีหนึ่งคือการใช้ฟังก์ชั่นการสูญเสียซึ่งอธิบายถึงการสูญเสีย (หรือค่าใช้จ่าย) ที่เกี่ยวข้องกับการตัดสินใจที่เป็นไปได้ทั้งหมด ฟังก์ชันการตัดสินใจที่แตกต่างกันมีแนวโน้มที่จะนำไปสู่ข้อผิดพลาดประเภทต่าง ๆ ฟังก์ชั่นการสูญเสียบอกเราว่าเราควรจะกังวลเกี่ยวกับข้อผิดพลาดประเภทใด ฟังก์ชั่นการตัดสินใจที่ดีที่สุดคือฟังก์ชั่นที่มีอัตราผลตอบแทนต่ำสุดขาดทุนที่คาดว่า สิ่งที่เกิดขึ้นจากการสูญเสียที่คาดหวังขึ้นอยู่กับการตั้งค่า (โดยเฉพาะอย่างยิ่งไม่ว่าเราจะพูดถึงสถิติที่ใช้บ่อยหรือแบบเบย์ )
สรุป:
ฟังก์ชั่นการสูญเสียคือสิ่งที่ถูกย่อให้เล็กสุดเพื่อให้ได้แบบซึ่งเหมาะสมที่สุดในบางแง่มุม ตัวแบบมีฟังก์ชั่นการตัดสินใจที่ใช้ในการทำนาย
ตัวอย่างเช่นในตัวแยกประเภท SVM: