মেশিন লার্নিংয়ে পারস্পরিক সম্পর্ক এবং কার্যকারণের মধ্যে কী সম্পর্ক?


13

এটি একটি সুপরিচিত সত্য যে "সহবাসটি কার্যকারণকে সমান করে না", তবে মেশিন লার্নিং প্রায় সম্পূর্ণরূপে পারস্পরিক সম্পর্কের উপর ভিত্তি করে বলে মনে হয়। আমি ছাত্রদের অতীত পারফরম্যান্সের ভিত্তিতে প্রশ্নগুলির পারফরম্যান্স অনুমান করার জন্য একটি সিস্টেমে কাজ করছি। গুগল অনুসন্ধানের মতো অন্যান্য কাজের মতো নয়, এটি এমন এক ধরণের সিস্টেমের মতো বলে মনে হয় না যা সহজেই গেম করা যায় - তাই কার্যকারণ সে ক্ষেত্রে সত্যই প্রাসঙ্গিক নয়।

স্পষ্টতই, আমরা যদি সিস্টেমটি অনুকূলকরণের জন্য পরীক্ষা-নিরীক্ষা করতে চাই, তবে আমাদের পারস্পরিক সম্পর্ক / কার্যকারণের পার্থক্য সম্পর্কে যত্নশীল হতে হবে। তবে, উপযুক্ত সমস্যাগুলির স্তর হতে পারে এমন প্রশ্ন বাছাই করার জন্য কেবল একটি সিস্টেম তৈরির দৃষ্টিকোণ থেকে, এই পার্থক্যের কোনও গুরুত্ব আছে কি?


দয়া করে সংজ্ঞায়িত করুন বা "
সহবাস

উত্তর:


11

এআই এর সবগুলিই পারস্পরিক সম্পর্ক নিয়ে কাজ করে না, বায়েশিয়ান বিশ্বাস নেটওয়ার্কগুলি এ- এর বি কারণে হওয়ার সম্ভাবনা ঘিরে তৈরি করা হয় B.

আমি ছাত্রদের অতীত পারফরম্যান্সের ভিত্তিতে প্রশ্নগুলির পারফরম্যান্স অনুমান করার জন্য একটি সিস্টেমে কাজ করছি।

আমি মনে করি না এর জন্য আপনাকে কার্যকারণ দরকার। অতীত পারফরম্যান্স একটি বর্তমান পারফরম্যান্সের কারণ হয় না। প্রাথমিক প্রশ্নের উত্তর দেওয়া পরবর্তী প্রশ্নের উত্তর দেয় না।

তবে উপযুক্ত সমস্যাগুলির স্তর হতে পারে এমন প্রশ্ন বাছাই করার জন্য কেবল একটি সিস্টেম তৈরির দৃষ্টিকোণ থেকে - এই পার্থক্যের কোনও গুরুত্ব আছে কি?

না, আপনার উদাহরণের জন্য নয়। আমি মনে করি পারস্পরিক সম্পর্ক (বা এমনকি সাধারণ এক্সট্রোপোলেশন) আপনার সমস্যার সমাধান করবে খুব ভাল। প্রতিটি প্রশ্নের জন্য একটি অসুবিধা স্কোর বরাদ্দ করুন এবং তারপরে শিক্ষার্থীদের ক্রমবর্ধমান কঠিন স্তরের প্রশ্নগুলি খাওয়ান (এটিই সর্বাধিক পরীক্ষাগুলি কীভাবে কাজ করে) এবং তারপরে শিক্ষার্থীরা যখন তাদের ভুল হতে শুরু করে, আপনি অসুবিধাটি ফিরিয়ে আনতে পারেন। এটি একটি প্রতিক্রিয়া অ্যালগরিদম যা বহু-স্তরযুক্ত পারসেপ্ট্রনে নিউরনের উপর সঞ্চালিত ত্রুটি হ্রাস করার অনুরূপ। এর মতো ইনপুট স্পেসগুলির অ-ট্রিভিয়াল টুকরা সিদ্ধান্ত নিচ্ছে যে কোন কঠিন প্রশ্ন কী!

এআই-তে কার্যকারণের সর্বোত্তম উদাহরণ হ'ল:

আমার গাড়ি ধীর হয়ে যাচ্ছে। আমার এক্সিলিটর মেঝেতে রয়েছে। খুব বেশি আওয়াজ হয় না। ড্যাশবোর্ডে লাইট রয়েছে। আমি জ্বালানির বাইরে চলে যাওয়ার সম্ভাবনা কী?

এক্ষেত্রে জ্বালানি ফুরিয়ে যাওয়ার কারণে গাড়িটি ধীর হয়ে গেছে। বায়েশিয়ান বিশ্বাস নেটওয়ার্কগুলি যে সমস্যার সমাধান করে তা এটি অবিকল।


"আমি মনে করি না এর জন্য আপনাকে কার্যকারণ প্রয়োজন A অতীতের পারফরম্যান্সের ফলে বর্তমান পারফরম্যান্স হয় না। প্রাথমিক প্রশ্নের উত্তর দেওয়ার পরে কোনও প্রশ্নের উত্তর দেয় না।" - ভাল যে কোনও শিক্ষার্থী একটি অনুশীলন সম্পন্ন করেছে তাদের অন্য একটি অনুশীলনে আরও ভাল পারফরম্যান্সের কারণ হতে পারে (আমরা তাদের সরবরাহ, ইঙ্গিত, ইত্যাদি)।
কেসব্যাশ

তবে আমি মনে করি আপনি ঠিক বলেছেন, এটি তুলনামূলক বনাম কারণ সম্পর্কে খুব বেশি কিছু নয়, তবে এটি কোনও কারণের সাথে সম্পর্কযুক্ত কিনা (যেমন কোনও নির্দিষ্ট শ্রেণির শিক্ষার্থীরা জ্যামিতির বিষয়গুলিতে ভাল করছে কারণ শিক্ষক এটিকে আরও বিশদে আবৃত করেছেন, বনাম শিক্ষার্থীরা যারা উচ্চ পারফরম্যান্সের
প্রবণতার

আহ! এটি আকর্ষণীয়: একটি অনুশীলন সম্পন্ন করা এবং এর ফলাফলগুলি জানার বিষয়টি প্রশ্নে আরও ভাল হওয়ার কারণ। তবে এটি এখানে পর্যবেক্ষণযোগ্য নয়। একমাত্র আপনি যা পর্যবেক্ষণ করছেন তা হল পরীক্ষার প্রশ্নগুলি, যা পরস্পর সম্পর্কিত। সম্পর্ক সম্পর্ক নোংরা নয়, দুটি পরিসংখ্যান প্রক্রিয়ার একটি সম্পর্ক রয়েছে তা বলা ভাল।
ডাঃ রব ল্যাং

একটি কারণ বি একটি বিশ্বাস নেটওয়ার্কের একটি ব্যাখ্যা।
seteropere

6

মেশিন লার্নিং প্রায় সম্পূর্ণ সম্পর্কের উপর ভিত্তি করে বলে মনে হচ্ছে

আমি তা মনে করি না, কমপক্ষে সাধারণভাবেও না। উদাহরণস্বরূপ, পিএসি বিশ্লেষণ এবং ভিসি ডাইমেনশন বিশ্লেষণের ক্ষেত্রে এমএল অ্যালগরিদমের মূল অনুমান , প্রশিক্ষণ / পরীক্ষার ডেটা একই বিতরণ থেকে আসে যা ভবিষ্যতের ডেটা করবে।

সুতরাং আপনার সিস্টেমে আপনাকে ধরে নিতে হবে, প্রতিটি শিক্ষার্থী শর্তসাপেক্ষ সম্ভাবনা বিতরণ চাপিয়ে দেয় যা নির্দিষ্ট বিষয়ের উপর নির্দিষ্ট ধরণের প্রশ্নের উত্তর উত্পন্ন করে। আরেকটি, এবং আপনাকে আরও সমস্যাযুক্ত অনুমান করতে হবে, এই বিতরণটি পরিবর্তন হয় না (বা দ্রুত পরিবর্তন হয় না)।


2

আমি পূর্বের উত্তরগুলির সাথে একমত

তবে, আপনি যদি সাধারণভাবে পারস্পরিক সম্পর্ক / কার্যকারণটি দেখতে আগ্রহী হন তবে দুটি আইটেম যা আপনি দেখতে চাইতে পারেন তা হ'ল:

  • মুক্তা (হ্যাঁ, সেই মুক্তা ) এটিতে খুব কম শালীন বইয়ের একটি তৈরি করেছে।
  • শক্তিবৃদ্ধি শেখা , এবং একাধিক সশস্ত্র ডাকাত সমস্যা সমস্তই একজন অভিনেতাকে অজানা পরিবেশে কর্মের সর্বোত্তম পাঠ্যক্রম অনুধাবনের চেষ্টা করার আশেপাশের ভিত্তিতে তৈরি করা হয় - অর্থাত্ তাদের অবশ্যই শিখতে হবে যে কোন 'ক্রিয়াগুলি' তাদের সেরা 'পুরষ্কার' দেবে, এবং তাই স্পষ্টভাবে কার্যকারণকে জ্বালাতন করে সম্পর্ক।

2

অন্যান্য উত্তরের পাশাপাশি, একটি আকর্ষণীয় বিষয় রয়েছে - আপনি যদি ম্যানুয়ালি বৈশিষ্ট্যগুলি নির্বাচন করেন তবে আপনি অতিরিক্ত কমাতে 'কাকতালীয় সম্পর্ক' সম্পর্কে ভাবতে চাইতে পারেন, যেমন এমন বৈশিষ্ট্যগুলি এড়ানো যা কোনওভাবে আপনার প্রশিক্ষণের ডেটাতে সম্পর্কযুক্ত হতে পারে তবে 'টি / সাধারণ ক্ষেত্রে একে অপরের সাথে সম্পর্কযুক্ত করা উচিত নয় - যে কোনও কারণ কারণ নেই।

অপরিশোধিত উদাহরণ হিসাবে ধরা যাক, আপনি historicalতিহাসিক পরীক্ষার ফলাফলের একটি ডাটা টেবিল নিয়েছেন এবং ব্যর্থ / পাসের মানদণ্ডের পূর্বাভাস দেওয়ার চেষ্টা করবেন; আপনি কেবল সমস্ত উপলভ্য ডেটা ক্ষেত্রগুলিকে বৈশিষ্ট্য হিসাবে অন্তর্ভুক্ত করেন এবং টেবিলে শিক্ষার্থীদের জন্মদিনও হয়। এখন, প্রশিক্ষণের তথ্যগুলির মধ্যে একটি বৈধ সম্পর্ক থাকতে পারে যে 12 শে ফেব্রুয়ারি জন্মগ্রহণকারী শিক্ষার্থীরা প্রায় সর্বদা পাস করে এবং 13 ফেব্রুয়ারি জন্মগ্রহণকারী শিক্ষার্থীরা প্রায় সর্বদা ব্যর্থ হয় ... তবে যেহেতু কোনও কার্যকরী সম্পর্ক নেই তাই এটিকে বাদ দেওয়া উচিত।

বাস্তব জীবনে এটি কিছুটা সূক্ষ্ম, তবে এটি এমন ফর্মগুলি শিখতে হবে যেগুলি বৈধ সংকেতগুলির সাথে আপনার ডেটা ফিট করে এমন পার্থক্যগুলিকে আলাদা করতে সহায়তা করে; এবং সম্পর্কিতগুলি যা আপনার প্রশিক্ষণ সেটে এলোমেলো গোলমাল দ্বারা সৃষ্ট নিদর্শনগুলি।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.