বায়েশিয়ান: "হ্যালো, মেশিন লার্নার!"
ঘনঘন বিশেষজ্ঞ: "হ্যালো, মেশিন লার্নার!"
মেশিন লার্নিং: "আমি শুনেছি আপনি ছেলেরা স্টাফে ভাল আছেন some কিছু তথ্য এখানে।"
এফ: "হ্যাঁ, আসুন একটি মডেল লিখি এবং তারপরে এমএলই গণনা করি।"
বি: "আরে, এফ, আপনি গতকাল আমাকে যা বলেছিলেন তা নয়! আমার কিছু অপরিবর্তিত তথ্য ছিল এবং আমি তারতম্যটি অনুমান করতে চেয়েছিলাম, এবং আমি এমএলই গণনা করেছি Then তখন আপনি আমার উপর ঝাঁপিয়ে পড়েছিলেন এবং আমাকে বলেছিলেন পরিবর্তে দিয়ে ভাগএনn - 1এন করতে দ্বারা । "
এফ: "হ্যাঁ হ্যাঁ, আমাকে স্মরণ করিয়ে দেওয়ার জন্য ধন্যবাদ। আমি প্রায়শই মনে করি যে আমি সবকিছুর জন্য এমএলই ব্যবহার করার কথা, তবে আমি নিরপেক্ষ অনুমানক ইত্যাদিতে আগ্রহী ।"
এমএল: "হ্যাঁ, এই সম্পর্কে কী দর্শন দেওয়া হচ্ছে? এটি কি আমাকে সহায়তা করবে?"
এফ: "ঠিক আছে, একটি অনুমানকারী একটি কালো বাক্স, আপনি ডেটা রাখেন এবং এটি আপনাকে কিছু নম্বর দেয় We আমরা ঘন ঘন বিশেষজ্ঞরা বাক্সটি কীভাবে তৈরি করা হয়েছিল, কী কী নীতিগুলি এটির নকশা তৈরিতে ব্যবহৃত হয়েছিল সে সম্পর্কে কোনও যত্ন নেই For উদাহরণস্বরূপ, আমি কীভাবে বিধিটি অর্জন করতে হয় তা জানেন না । "÷ ( এন - 1 )
এমএল: "তো, তুমি কিসের যত্ন নেবে?"
চ: "মূল্যায়ন।"
এমএল: "আমি এর শব্দ পছন্দ করি।"
এফ: "একটি কালো বাক্স একটি কালো বাক্স some যদি কেউ দাবি করে যে কোনও নির্দিষ্ট অনুমানকারী থিতার জন্য একটি নিরপেক্ষ অনুমানক , তবে আমরা পরিবর্তিতভাবে অনেকগুলি মান চেষ্টা করি , কিছু অনুমিত মডেলের উপর ভিত্তি করে প্রতিটি থেকে অনেকগুলি নমুনা তৈরি করি, তাদের মাধ্যমে চাপ দিন through অনুমানকারী, এবং গড় আনুমানিক খুঁজে পান যদি আমরা প্রমাণ করতে পারি যে প্রত্যাশিত অনুমানটি সমস্ত মানের জন্য সত্য মানের সমান হয়, তবে আমরা বলি এটি নিরপেক্ষ। "θ θθθθ
এমএল: "দুর্দান্ত লাগছে! মনে হচ্ছে ঘন ঘনবাদীরা বাস্তববাদী মানুষ। আপনি প্রতিটি ব্ল্যাক বক্সকে এর ফলাফল দ্বারা বিচার করেন E মূল্যায়ন কী।"
এফ: "প্রকৃতপক্ষে! আমি বুঝতে পেরেছি আপনি ছেলেরাও একইরকম পন্থা গ্রহণ করেন Cross ক্রস-বৈধতা বা অন্য কিছু? তবে এটি আমার কাছে অগোছালো মনে হচ্ছে।"
এমএল: "অগোছালো?"
এফ: "সত্যিকারের ডেটাতে আপনার অনুমানের পরীক্ষার ধারণাটি আমার পক্ষে বিপজ্জনক বলে মনে হয় you
এমএল: "কি আমি ভেবেছিলাম আপনি বলেন আপনি কিছু ফলাফল প্রমাণ চাই আপনার মূল্নির্ধারক সবসময় নিরপেক্ষ হবে যে সবার জন্য? ।"θ
এফ: "হ্যাঁ। আপনার পদ্ধতিটি যদি আপনার মূল্যায়নে যে কোনও ডেটাसेट (ট্রেন এবং পরীক্ষার ডেটা সহ ডেটাসেট) ব্যবহার করে থাকে, আমি প্রমাণ করতে পারি যে সর্বদা আমার কাজ করবে।"
এমএল: "সমস্ত ডেটাসেটের জন্য?"
এফ: "না"
এমএল: "সুতরাং আমার পদ্ধতিটি একটি ডেটাসেটে ক্রস-বৈধ হয়েছে You আপনি কোনও সত্যিকারের ডাটাবেসে আপনার পরীক্ষা করেননি?"
এফ: "ঠিক আছে।"
এমএল: "এটি আমাকে তখন নেতৃত্ব দেয়! আমার পদ্ধতিটি আপনার চেয়ে আরও ভাল It
এফ: "এম্ম, হ্যাঁ, আমি মনে করি।"
এমএল: "এবং সেই ব্যবধানটির ৯৫% কভারেজ রয়েছে । তবে এতে অবাক হওয়ার কিছু নেই যে যদি কেবলমাত্র 20% সময়ের এর সঠিক মান থাকে ?"θ
এফ: "এটি সঠিক the যদি না তথ্যটি সত্যই আইডিকাল আইডিমাল না হয় (বা যাই হোক না কেন), আমার প্রমাণ অকেজো।"
এমএল: "সুতরাং আমার মূল্যায়ন আরও বিশ্বাসযোগ্য এবং বিস্তৃত? এটি কেবলমাত্র এতদূর চেষ্টা করা ডেটাসেটগুলিতে কাজ করে তবে কমপক্ষে তারা সত্যিকারের ডেটাসেট, ওয়ার্টস এবং সমস্তই ছিল There সেখানে আপনি ছিলেন, আপনি আরও 'রক্ষণশীল বলে দাবি করার চেষ্টা করছেন 'এবং' পুঙ্খানুপুঙ্খ 'এবং আপনি মডেল-চেকিং এবং স্টাফগুলিতে আগ্রহী ছিলেন। "
বি: (ইন্টারঅ্যাক্টস) "ওহে ছেলেরা, বাধা দেওয়ার জন্য দুঃখিত। আমি পদক্ষেপ নিতে এবং জিনিসগুলিতে ভারসাম্য বজায় রাখতে পছন্দ করি, সম্ভবত কিছু অন্যান্য সমস্যা প্রদর্শন করে, তবে আমি আমার ঘন ঘন সহযোগী সহকর্মী ঝাঁকুনি দেখতে সত্যিই পছন্দ করি।"
এফ: "ওহো!"
এমএল: "ঠিক আছে, বাচ্চারা। এটি মূল্যায়ন সম্পর্কে ছিল all একটি অনুমানক একটি কালো বাক্স Data তথ্য চলে আসে, তথ্য আসে। এটি মূল্যায়নের অধীনে কীভাবে কার্য সম্পাদন করে তার উপর ভিত্তি করে আমরা একটি অনুমানকারীকে অনুমোদিত বা অস্বীকার করি We ব্যবহৃত 'রেসিপি' বা 'নকশার নীতি' সম্পর্কে "
এফ: "হ্যাঁ। তবে আমাদের মূল্যায়ন গুরুত্বপূর্ণ যা সম্পর্কে আমাদের খুব আলাদা ধারণা রয়েছে M এমএল বাস্তব তথ্যগুলির উপর প্রশিক্ষণ ও পরীক্ষা করবে Where তবে আমি এমন একটি মূল্যায়ন করব যা আরও সাধারণ (কারণ এটি একটি বিস্তৃতভাবে প্রয়োগযোগ্য প্রমাণ জড়িত) এবং আরও সীমাবদ্ধ (কারণ আমি জানি না যে আমার ডেটাসেটটি আমার মূল্যায়ন ডিজাইনের সময় আমি যে মডেলিং অনুমানগুলি ব্যবহার করি তা থেকে আঁকা কিনা)) "
এমএল: "আপনি কোন মূল্যায়ন ব্যবহার করেন, বি?"
এফ: (ইন্টারঅ্যাক্টস) "আরে। আমাকে হাসাহাসি করবেন না। তিনি কোনও কিছুর মূল্যায়ন করেন না। তিনি কেবল তার বিষয়গত বিশ্বাসকে ব্যবহার করেন এবং এটি নিয়েই চলে Or বা কিছু something"
বি: "এটি সাধারণ ব্যাখ্যা। তবে আমাদের পছন্দ অনুসারে মূল্যায়নগুলি দ্বারা বায়েশিয়ানবাদকে সংজ্ঞায়িত করাও সম্ভব। তারপরে আমরা এই ধারণাটি ব্যবহার করতে পারি যে আমাদের কেউই ব্ল্যাক বাক্সের মধ্যে কী আছে তা যত্নশীল নয়, আমরা মূল্যায়নের বিভিন্ন উপায়ের বিষয়ে চিন্তা করি।"
বি অব্যাহত রয়েছে: "ক্লাসিক উদাহরণ: মেডিকেল টেস্ট। রক্ত পরীক্ষার ফলাফল হয় ধনাত্মক বা নেতিবাচক। একটি ঘন ঘনবাদী স্বাস্থ্যকর মানুষের মধ্যে আগ্রহী, কোন অনুপাত নেতিবাচক ফলাফল পাবে। এবং একইভাবে, অসুস্থ মানুষদের অনুপাত কী পরিমাণে করবে? একটি ইতিবাচক পান The ঘন ঘন বিশেষজ্ঞরা বিবেচনাধীন প্রতিটি রক্ত পরীক্ষার পদ্ধতির জন্য এগুলি গণনা করবেন এবং তারপরে সুপারিশ করবেন যে আমরা সেই পরীক্ষার ব্যবহার করব যা সেরা স্কোরের সেরা জুটি পেয়েছিল। "
এফ: "হুবহু। আপনি আর কী চাইবেন?"
বি: "যে ব্যক্তিরা ইতিবাচক পরীক্ষার ফলাফল পেয়েছে তাদের সম্পর্কে কী? তারা 'ইতিবাচক ফলাফল প্রাপ্তদের মধ্যে জানতে পারবে, কতজন অসুস্থ পাবে?' এবং 'যারা নেতিবাচক ফলাফল পান তাদের মধ্যে কতজন স্বাস্থ্যকর?' "
এমএল: "আহা হ্যাঁ, এটি জিজ্ঞাসা করার জন্য আরও ভাল জোড়া জোড়া মনে হচ্ছে" "
এফ: "এখানে!"
বি: "এখানে আমরা আবার যাই He তিনি কোথায় যাচ্ছেন তা পছন্দ করেন না।"
এমএল: "এটি 'প্রিয়ার্স' সম্পর্কে, তাই না?"
এফ: "ইভিল"।
বি: "যাইহোক, হ্যাঁ, আপনি ঠিক এমএল। অসুস্থ যে ধনাত্মক-ফলাফলযুক্ত লোকের অনুপাত গণনা করার জন্য আপনাকে দুটি জিনিসের একটি করতে হবে One একটি বিকল্প হ'ল প্রচুর লোকের উপর পরীক্ষা চালানো এবং কেবল পর্যবেক্ষণ করা প্রাসঙ্গিক অনুপাত। উদাহরণস্বরূপ, এই লোকদের মধ্যে কতজন এই রোগে মারা যায় ""
এমএল: "আমি যা করি তা মনে হচ্ছে। ট্রেন এবং পরীক্ষা ব্যবহার করুন।"
বি: "তবে আপনি জনসংখ্যার অসুস্থতার হার সম্পর্কে ধারণা অনুধাবন করতে ইচ্ছুক হলে এই সংখ্যাগুলি আগে থেকেই গণনা করতে পারেন quent ঘন ঘনবাদী তার ক্যালকুলেশনগুলি আগেই তৈরি করে, তবে এই জনসংখ্যা-স্তরের অসুস্থতার হারটি ব্যবহার না করেই।"
এফ: "আরও অনাকাঙ্ক্ষিত এসসাম্পশনস" "
বি: "ওহ চুপ কর। এর আগে, আপনাকে খুঁজে বের করা হয়েছিল। এমএল আবিষ্কার করেছিলেন যে আপনি যে কারও মত ভিত্তিহীন অনুমানের খুব প্রিয়। আপনার 'প্রমাণিত' কভারেজ সম্ভাবনাগুলি বাস্তব বিশ্বে স্ট্যাক করবে না যতক্ষণ না আপনার সমস্ত অনুমানগুলি উঠে না আসে। আমার পূর্বের অনুমানটি কেন এত স্বতন্ত্র? আপনি আমাকে পাগল বলেছেন, তবুও আপনি অনুমান করেন যে এটি রক্ষণশীল, শক্ত, অনুমান-মুক্ত বিশ্লেষণের কাজ ""
বি (অব্যাহত): "যাইহোক, এমএল, যেমনটি আমি বলছিলাম। বেইসিয়ানরা বিভিন্ন ধরণের মূল্যায়ন পছন্দ করে observed আমরা পর্যবেক্ষণ করা তথ্যের উপর কন্ডিশনিং করতে আরও আগ্রহী এবং সেই অনুসারে আমাদের অনুমানের যথার্থতা গণনা করি We আমরা ব্যবহার না করেই এই মূল্যায়নটি সম্পাদন করতে পারি না We তবে মজার বিষয়টি হ'ল একবার আমরা এই মূল্যায়নের ফর্মটি স্থির করে নিই এবং একবার আমরা আমাদের পূর্ব পছন্দ করি, উপযুক্ত অনুমানকারী তৈরি করার জন্য আমাদের একটি স্বয়ংক্রিয় 'রেসিপি' রয়েছে The একটি জটিল মডেলের জন্য নিরপেক্ষ अनुमानক, তার কাছে উপযুক্ত অনুমানকারী তৈরির কোনও স্বয়ংক্রিয় উপায় নেই।
এমএল: "এবং আপনি কি করেন? আপনি স্বয়ংক্রিয়ভাবে একটি অনুমানকারী তৈরি করতে পারেন?"
বি: "হ্যাঁ। নিরপেক্ষ অনুমানক তৈরি করার আমার কাছে স্বয়ংক্রিয় উপায় নেই, কারণ আমি মনে করি পক্ষপাত একটি অনুমানকারীকে মূল্যায়নের জন্য একটি খারাপ উপায় But তবে শর্তসাপেক্ষে ডেটা অনুমান যা আমি পছন্দ করি এবং তার আগে আমি আমাকে প্রাক্কলনকারী দেওয়ার পূর্ব এবং সম্ভাবনা সংযোগ করতে পারে। "
এমএল: "যাইহোক যাইহোক, আসুন আমরা পুনরায় সংশোধন করি our আমাদের সকলের আমাদের পদ্ধতিগুলি মূল্যায়নের বিভিন্ন উপায় রয়েছে এবং কোন পদ্ধতিগুলি সবচেয়ে ভাল তা নিয়ে আমরা সম্ভবত কখনও একমত হব না।"
বি: "ঠিক আছে, এটি ন্যায্য নয় We আমরা সেগুলি মেশাতে এবং মেলাতে পারতাম us আমাদের কারও কাছে যদি ভাল লেবেলযুক্ত প্রশিক্ষণের ডেটা থাকে তবে আমাদের সম্ভবত এটির বিরুদ্ধে পরীক্ষা করা উচিত And এবং সাধারণত আমাদের সকলকে আমাদের যতটা অনুমান করা যায় তা পরীক্ষা করা উচিত some এবং কিছু 'ঘনত্ববাদী 'প্রমাণগুলি মজাদারও হতে পারে, ডেটা জেনারেশনের কিছু অনুমিত মডেলের অধীনে পারফরম্যান্সের পূর্বাভাস দেয় ""
এফ: "হ্যাঁ ছেলেরা। আসুন মূল্যায়নের বিষয়ে বাস্তববাদী হোন। এবং প্রকৃতপক্ষে, আমি অসীম-নমুনা বৈশিষ্ট্যগুলি সম্পর্কে অবলম্বন করা বন্ধ করব I've আমি বিজ্ঞানীদের বলছি আমাকে একটি অসীম নমুনা দেওয়ার জন্য, কিন্তু তারা এখনও তা করেন নি It's এটি সীমাবদ্ধ নমুনাগুলিতে আমার আবার ফোকাস করার সময় "
এমএল: "সুতরাং, আমাদের কেবল একটি শেষ প্রশ্ন রয়েছে our আমাদের পদ্ধতিগুলি কীভাবে মূল্যায়ন করা যায় সে সম্পর্কে আমরা অনেক বিতর্ক করেছি , তবে কীভাবে আমরা আমাদের পদ্ধতিগুলি তৈরি করব " "
বি: "আহ। আমি যেমন আগে যাচ্ছিলাম, বায়সিয়ানদের কাছে আরও শক্তিশালী সাধারণ পদ্ধতি রয়েছে It এটি জটিল হতে পারে তবে আমরা সর্বদা কিছুটা অ্যালগরিদম (এমসিএমসির একটি নির্লজ্জ রূপ) লিখতে পারি যা আমাদের উত্তর থেকে নমুনা দেবে। "
এফ (ইন্টারেক্টস): "তবে এর পক্ষপাত থাকতে পারে have"
বি: "আপনার পদ্ধতিগুলিও তাই হতে পারে? আমি কি আপনাকে স্মরণ করিয়ে দিচ্ছি যে এমএলই প্রায়শই পক্ষপাতদুষ্ট? কখনও কখনও, আপনার পক্ষপাতহীন অনুমানকারী খুঁজে পেতে খুব অসুবিধা হয় এবং এমনকি যখন আপনার কাছে বোকা অনুমানকারী (কিছু জটিল জটিল মডেলের জন্য) থাকে যা বলে বৈচিত্রটি নেতিবাচক। এবং আপনি এটিকে পক্ষপাতহীন বলছেন Un নিরপেক্ষ, হ্যাঁ But তবে দরকারী, না! "
এমএল: "ওকে ছেলেরা। আপনি আবার রেটিং করছেন। আমাকে একটি প্রশ্ন জিজ্ঞাসা করতে দিন, এফ। আপনি দু'জন একই সমস্যার সাথে কাজ করেছেন, তখন কি আপনি কখনও আপনার পদ্ধতির পক্ষপাতটিকে বি এর পদ্ধতির পক্ষপাতের সাথে তুলনা করেছেন?"
এফ: "হ্যাঁ। বাস্তবে আমি এটি স্বীকার করতে ঘৃণা করি, তবে বি এর পদ্ধতির মাঝে মাঝে আমার অনুমানের চেয়ে কম পক্ষপাত এবং এমএসই থাকে!"
এমএল: "এখানে পাঠটি হ'ল আমরা যখন মূল্যায়নের বিষয়ে কিছুটা দ্বিমত পোষণ করি তবে আমাদের কারওরই আমাদের পছন্দসই সম্পত্তি রয়েছে এমন প্রাক্কলনকারী কীভাবে তৈরি করা যায় তার একচেটিয়া নেই।"
বি: "হ্যাঁ, আমাদের একে অপরের কাজটি আরও কিছুটা পড়া উচিত estima আমরা একে অপরকে অনুমানকারীদের জন্য অনুপ্রেরণা দিতে পারি We আমরা দেখতে পাব যে অন্যের অনুমানকারীরা আমাদের নিজস্ব সমস্যাগুলির বাইরে বাক্সের বাইরে কাজ করে।"
এফ: "এবং আমার পক্ষপাতদুষ্ট সম্পর্কে অবলম্বন করা উচিত An একটি পক্ষপাতহীন অনুমানকারীটির হাস্যকর বৈকল্পিকতা থাকতে পারে supp আমি মনে করি আমরা কীভাবে মূল্যায়ন করব এবং আমাদের অনুমানকগুলিতে আমরা যে বৈশিষ্ট্যগুলি দেখতে চাই সেগুলি বেছে নেওয়ার জন্য আমাদের সকলকে 'দায়িত্ব নিতে হবে'। আমরা কোনও দর্শনের পেছনে বাধা দিতে পারি না। আপনি যা যা মূল্যায়ন করতে পারেন তা চেষ্টা করুন। এবং অনুমানকারীদের জন্য নতুন ধারণা পেতে আমি বায়েশিয়ান সাহিত্যের দিকে তাকাতে থাকব! "
বি: "বাস্তবে, অনেক লোকই তাদের নিজস্ব দর্শন কী তা সত্যই জানেন না myself আমি নিজেও নিশ্চিত নই I আমি যদি কোনও বয়েশিয়ান রেসিপি ব্যবহার করি এবং তারপরে কিছু চমৎকার তাত্ত্বিক ফলাফল প্রমাণ করি তবে তার অর্থ এই নয় যে আমি আমি একজন ঘনঘন বিশেষজ্ঞ? পারফরম্যান্স উপরোক্ত প্রমাণগুলির সম্পর্কে যত্নশীল, তিনি রেসিপিগুলি সম্পর্কে চিন্তা করেন না এবং আমি যদি এর পরিবর্তে (বা পাশাপাশি) কিছু ট্রেন-পরীক্ষাও করি, তার মানে কি আমি মেশিন-লার্নার? "
এমএল: "দেখে মনে হচ্ছে আমরা তখন সকলেই একদম একই রকম।"