- Co to jest próbkowanie w uczeniu maszynowym?
- Dlaczego uczenie maszynowe DownSample?
- Czy próbkowanie upadków zmniejsza dokładność?
- Dlaczego używamy próbkowania?
Co to jest próbkowanie w uczeniu maszynowym?
Wzmocnienie spadkowe (w tym kontekście) oznacza szkolenie na nieproporcjonalnie niskim podgrupie przykładów klasy większości. Ulepszanie oznacza dodanie przykładowej wagi do klasy próbkowanej równej współczynnikowi, przez który próbowałeś w dół.
Dlaczego uczenie maszynowe DownSample?
Wzmocnienie spadkowe jest mechanizmem, który zmniejsza liczbę próbek treningowych podlegających klasy większościowej. Ponieważ pomaga nawet zwiększyć liczbę kategorii docelowych. Usuwając zebrane dane, tracimy tyle cennych informacji.
Czy próbkowanie upadków zmniejsza dokładność?
Wraz ze wzrostem wskaźnika próbkowania, precyzja wszystkich modeli wzrasta, ponieważ w zestawie szkoleniowym podano więcej informacji w celu uniknięcia fałszywych pozytywów. W przeciwieństwie do dwustopniowych detektorów, SSD ma znacznie niższą dokładność wykrywania.
Dlaczego używamy próbkowania?
Downsampling umożliwia tworzenie jeszcze mniejszych modeli, ponieważ algorytm uczenia maszynowego nie wymaga tylu punktów danych treningowych. Dla osadzonej sztucznej inteligencji użycie pamięci jest niezbędne; Tworzenie mniejszego, ale wciąż bardzo dokładnego modelu pozwala zaoszczędzić miejsce dla innego kodu aplikacji i procesów na urządzeniu.