Explorando funções de custo no aprendizado de máquina
A força motriz por trás de otimização na aprendizagem de máquina é a resposta de uma função interna para o algoritmo, chamado de função de custo.
Conteúdo
A função de avaliação funciona comparando as previsões algoritmo contra o resultado real gravado a partir do mundo real. Comparando uma previsão contra o seu valor real, usando uma função de custo determina o nível de erro do algoritmo.
Porque é uma formulação matemática, a função de custo expressa o nível de erro em uma forma numérica, mantendo assim erros baixa. A função de custo transmite o que é realmente importante e significativo para seus propósitos para o algoritmo de aprendizagem. Como resultado, você deve escolher, ou precisa definir, a função de custo com base no entendimento do problema que você quer resolver ou o nível de realização que você deseja alcançar.
Video: Aula 01 _ FUnção Custo, Receita e Lucro 1º Grau
Como exemplo, quando se considera a previsão do mercado de ações, a função de custo expressa a importância de evitar predições incorretas. Neste caso, você quer ganhar dinheiro, evitando grandes perdas. Na previsão de vendas, a preocupação é diferente porque você precisa reduzir o erro em situações comuns e freqüentes, não nos raros e excepcionais, para que você use uma função de custo diferente.
Quando o problema é de prever que provavelmente vai ficar doente a partir de uma determinada doença, seus prémios algoritmos que podem marcar uma alta probabilidade de destacar as pessoas que têm as mesmas características e realmente ficou doente depois. Com base na gravidade da doença, você também pode preferir que o algoritmo de forma errada escolhe algumas pessoas que não recebem doente depois de tudo, em vez de perder as pessoas que realmente fazem ficar doente.
Video: Métodos Quantitativos - Aula 5: Receita , Custo e Lucro
A função de custo é o que realmente impulsiona o sucesso de uma aplicação de aprendizagem de máquina. É como fundamental para o processo de aprendizagem como representação (a capacidade de aproximar certas funções matemáticas) e otimização (como os algoritmos de aprendizado de máquina definir os seus parâmetros internos).
A maioria dos algoritmos de otimizar a sua própria função de custo, e você tem pouca escolha mas para aplicá-las como elas são. Alguns algoritmos permitem que você escolha entre um certo número de funções possíveis, proporcionando mais flexibilidade. Quando um algoritmo usa uma função de custo diretamente no processo de otimização, a função de custo é usado internamente. Dado que os algoritmos estão configurados para funcionar com certas funções de custo, o objetivo de otimização pode diferir do seu objetivo desejado.
Nesse caso, você medir os resultados usando uma função de custo externo que, para maior clareza da terminologia, você chamar um função de erro ou função de perda (Se tiver de ser minimizado) ou um função de pontuação (Se tiver de ser maximizada).
Com relação ao seu alvo, uma boa prática é definir a função de custo que funciona melhor para resolver o seu problema, e em seguida, descobrir qual algoritmos funcionam melhor em otimização de TI para definir o espaço hipótese de que pretende testar.
Video: Função lucro, função custo e função receita
Quando você trabalha com algoritmos que não permitem a função de custo que você quiser, você ainda pode influenciar indiretamente o seu processo de otimização, fixando seus hiper-parâmetros e selecionar sua entrada possui com relação à sua função de custo. Finalmente, quando você recolheu todos os resultados do algoritmo, você avaliá-los usando sua função de custo escolhido e, em seguida, decidir sobre a hipótese final com o melhor resultado de sua função de erro escolhido.
Quando um algoritmo aprende com os dados, a função de custo orienta o processo de otimização, apontando as mudanças nos parâmetros internos que são o mais benéfico para fazer melhores previsões. A optimização continua como resposta a função de custo melhora iteração por iteração. Quando a resposta barracas ou piora, é hora de parar de ajustar os parâmetros do algoritmo porque o algoritmo não é susceptível de alcançar melhores resultados de previsão a partir daí. Quando o algoritmo funciona em novos dados e faz previsões, a função de custo ajuda a avaliar se ele está funcionando corretamente e é realmente eficaz.
Decidir sobre a função de custo é uma atividade subestimado na aprendizagem de máquina. É uma tarefa fundamental, pois determina como o algoritmo se comporta após a aprendizagem e como ele lida com o problema que você quer resolver. Nunca confie em opções padrão, mas sempre perguntar o que você quer alcançar usando aprendizado de máquina e verificar o que a função custo pode representar melhor a conquista.