Àkọlé: Ìdánwò Àgbélébùú: Lílóye Ìrònú àti Ìlò Rẹ̀
Nínú ayé sáyẹ́ǹsì àti ìwádìí, a sábà máa ń sọ̀rọ̀ nípa ọ̀rọ̀ náà "ìfàṣẹsí-àgbékalẹ̀-ẹ̀yà". Ọ̀nà yìí gbajúmọ̀ láàárín àwọn olùwádìí dátà àti àwọn onímọ̀ nípa rẹ̀, pàápàá jùlọ nínú ẹ̀kọ́ ẹ̀rọ àti statistiki, nítorí agbára rẹ̀ láti pèsè àwọn ìṣirò pípéye nípa iṣẹ́ àwòṣe lórí dátà tí a kò rí tẹ́lẹ̀. Nínú àpilẹ̀kọ yìí, a ó jíròrò èrò ìfàṣẹsí-àgbékalẹ̀-ẹ̀yà, onírúurú irú ìfàṣẹsí-àgbékalẹ̀-ẹ̀yà tí a sábà máa ń lò, àti àwọn àǹfààní àti ìpèníjà rẹ̀.
Oye Ipilẹ ti Idanwo Agbelebu
Ní pàtàkì, ìdánwò àgbélébùú jẹ́ ọ̀nà láti ṣe àyẹ̀wò bí àpẹẹrẹ àsọtẹ́lẹ̀ kan yóò ṣe ṣiṣẹ́ dáadáa lórí àwọn dátà tí a kò rí. Èrò pàtàkì ni láti pín dátà náà sí àwọn ẹ̀ka méjì: ọ̀kan fún kíkọ́ àpẹẹrẹ náà àti ọ̀kan fún dídán an wò. Ète ọ̀nà yìí ni láti rí i dájú pé àpẹẹrẹ náà kò wulẹ̀ wá àwọn àpẹẹrẹ nínú dátà tí a mọ̀ nìkan ṣùgbọ́n ó lè ṣe àkójọpọ̀ sí dátà tuntun.
Ọ̀nà yìí wúlò gan-an nínú ẹ̀kọ́ ẹ̀rọ nítorí ó lè ṣe ìrànlọ́wọ́ láti dènà ìṣòro fífi nǹkan pamọ́ jù, níbi tí àwòṣe náà bá dátà ìdánilẹ́kọ̀ọ́ rẹ̀ mu dáadáa, tí ó sì ń ṣiṣẹ́ dáadáa lórí dátà tuntun.
Àwọn Irú Àwọn Ìdánwò Àgbélébùú
Oriṣiriṣi awọn idanwo agbelebu lo wa ti a le lo da lori awọn abuda ti data ati awọn iwulo iwadii, pẹlu:
1. Ìfìdíkalẹ̀ Àgbélébùú K-Fold
Nínú ọ̀nà yìí, a pín dátà sí àwọn apá tó dọ́gba 'k' (ìdìpọ̀). Ìlànà náà ní nínú ṣíṣe àtúnṣe àkókò 'k' àwòṣe, pẹ̀lú àtúnṣe kọ̀ọ̀kan nípa lílo apá kan gẹ́gẹ́ bí dátà ìdánwò àti ìyókù gẹ́gẹ́ bí dátà ìdánilẹ́kọ̀ọ́. Níkẹyìn, a ṣe àròpọ̀ àwọn àbájáde gbogbo àtúnṣe láti pèsè ìṣirò iṣẹ́ àwòṣe náà. Èyí jẹ́ ọ̀kan lára àwọn ọ̀nà tó gbajúmọ̀ jùlọ nítorí ìwọ́ntúnwọ̀nsì rẹ̀ láàárín àìbáradé àti ìyàtọ̀.
2. Ìfàṣẹsí Àgbélébùú Lílọ-Lọ́kan-Láti Ọ̀kan (LOOCV)
LOOCV jẹ́ ọ̀ràn pàtàkì kan ti ìfàṣẹsí cross-validation níbi tí iye àwọn subsets bá iye àwọn data points mu (k = n). Àkíyèsí kọ̀ọ̀kan di data ìdánwò tí a ṣètò lẹ́ẹ̀kan, àti pé ìyókù di data ìdánilẹ́kọ̀ọ́. Bó tilẹ̀ jẹ́ pé ó ń fúnni ní àwọn ìṣirò ìṣe tó ṣe pàtàkì, LOOCV lè gbowó lórí ìṣirò, pàápàá jùlọ fún àwọn data ńlá.
3. Ìfìdíkalẹ̀ Àgbélébùú K-Fold tí a fi stratified
Ìpínyà jẹ́ ọ̀nà tí a ń lò nígbà tí ìpínyà tí kò bá dọ́gba bá wà láàrín àwọn kilasi tí a fẹ́ ṣe àfojúsùn. Pẹ̀lú ìpínyà, ìpínyà kọ̀ọ̀kan nínú algoridimu k-fold ní ìpínyà kan náà ti àwọn kilasi, èyí tí ó ṣe pàtàkì fún ìpínyà tí ó wà ní ìwọ̀ntúnwọ̀nsì.
4. Ìjẹ́rìísí Àyẹ̀wò Àṣàyàn Àìròtẹ́lẹ̀ Tí A Ń Tẹ̀síwájú
Nígbà míìrán tí a mọ̀ sí Monte Carlo Cross-Validation, ọ̀nà yìí ní àwọn ìdádúró àìròtẹ́lẹ̀. A pín dátà náà sí ìdánwò ọkọ̀ ojú irin àti ìdánwò láìròtẹ́lẹ̀, a sì tún ṣe ìlànà yìí ní ọ̀pọ̀ ìgbà láti pèsè ìṣirò iṣẹ́. Àǹfààní ọ̀nà yìí ni bí ó ṣe rọrùn láti yan ìwọ̀n ọkọ̀ ojú irin/ìdánwò, bó tilẹ̀ jẹ́ pé ọ̀pọ̀ àtúnṣe lè yọrí sí pípín dátà kan náà.
Àwọn Àǹfààní ti Ìdánwò Àgbélébùú
Diẹ ninu awọn anfani akọkọ ti ayẹwo agbelebu pẹlu:
– Ìṣàyẹ̀wò Àkójọpọ̀: Ó ń ran lọ́wọ́ láti rí i dájú pé iṣẹ́ àwòṣe náà lórí ìwádìí ìdánilẹ́kọ̀ọ́ náà jẹ́ ti gbogbogbòò sí ìwádìí tuntun, tí a kò rí. Èyí ṣe pàtàkì fún gbígba àwòṣe tí ó ṣeé gbẹ́kẹ̀lé ní tòótọ́.
– Ṣíṣe àtúnṣe Hyperparameter: Nínú ọ̀pọ̀lọpọ̀ àwọn algoridimu ẹ̀kọ́ ẹ̀rọ, àwọn hyperparameters wà tí a gbọ́dọ̀ ṣe àtúnṣe. A lè lo ìdánwò-àgbélébùú láti wá àpapọ̀ hyperparameters tí ó dára jùlọ nípa dídánwò onírúurú àpapọ̀ lórí dátà tí a pín.
– Àfiwé Àwòṣe: Ó ń ran àwọn àwòṣe tàbí àlùgọ́rídì tó yàtọ̀ síra lọ́wọ́ láti fi wéra àti láti yan èyí tó dára jùlọ nípa iṣẹ́ wọn lórí àwọn àkójọpọ̀ dátà tó yàtọ̀ síra.
Àwọn Ìpèníjà Nínú Ìdánwò Àgbélébùú
Láìka onírúurú àǹfààní rẹ̀ sí, àwọn ìṣòro kan lè dìde nígbà tí a bá ń lo àyẹ̀wò àgbékalẹ̀:
– Iye owo iṣirò: Diẹ ninu awọn ọna idanwo-agbelebu, gẹgẹbi LOOCV, le gbowo pupọ ni awọn ofin ti akoko ati awọn orisun iṣirò, nitori wọn nilo atunṣe awoṣe naa ni ọpọlọpọ igba.
– Fífi tó pọ̀ jù lórí àwọn ìdìpọ̀ kékeré: Tí iye àwọn ìdìpọ̀ bá pọ̀ jù (fún àpẹẹrẹ, bí a bá ń sún mọ́ LOOCV), ó ṣeé ṣe kí àwòṣe náà bẹ̀rẹ̀ sí í bá ara mu jù lórí àwọn ìdìpọ̀ kọ̀ọ̀kan, pàápàá jùlọ bí ìdìpọ̀ ìpilẹ̀ṣẹ̀ náà bá ti kéré.
– Ibamu pẹlu Awọn Eto Data: Kii ṣe gbogbo awọn iru idanwo apa-apakan ni o yẹ fun gbogbo awọn iru data. Fun apẹẹrẹ, pẹlu data akoko-apakan, data naa gbọdọ pin si apakan lati ṣetọju eto akoko lati gba awọn abajade to wulo.
Àwọn Ìlò Àgbélébùú Àgbáyé Gíga
1. Ìpínsísọ̀rí Ìṣègùn:
A sábà máa ń lo ìfọwọ́sowọ́pọ̀-àgbékalẹ̀ nínú ṣíṣe àwọn àpẹẹrẹ àyẹ̀wò láti ṣe àyẹ̀wò àwọn aláìsàn ní ìbámu pẹ̀lú ìwádìí ìṣègùn. Èyí ń rí i dájú pé àpẹẹrẹ náà ṣeé gbẹ́kẹ̀lé nígbà tí a bá lò ó fún àwọn aláìsàn láti àwọn ibi tàbí àkókò ọ̀tọ̀ọ̀tọ̀.
2. Iye owo ile:
A le ṣe àwọn àwòṣe àsọtẹ́lẹ̀ iye owó ilé nípa lílo onírúurú àwọn ohun èlò bíi ibi tí wọ́n wà, ìwọ̀n wọn, àti irú dúkìá wọn. Ṣíṣàyẹ̀wò àwọn ohun èlò náà ń ran àwọn ènìyàn lọ́wọ́ láti rí i dájú pé àwọn ohun èlò náà ṣeé gbẹ́kẹ̀lé ní oríṣiríṣi ọjà.
3. Ìṣàyẹ̀wò Ìmọ̀lára:
Nínú Ìṣàgbékalẹ̀ Èdè Àdánidá (NLP), a lo ìfàṣẹsí-àgbékalẹ̀ láti ṣe àyẹ̀wò àwọn àwòṣe tí ó pín èrò gbogbogbò sí èrò rere tàbí odi tí ó da lórí ìwífún ọ̀rọ̀ lórí ìkànnì àwùjọ tàbí àtúnyẹ̀wò ọjà.
4. Àsọtẹ́lẹ̀ Ìjẹkújẹ Ọjọ́ iwájú ní Ilé Iṣẹ́ Ìnáwó:
Nínú ìṣàyẹ̀wò àsọtẹ́lẹ̀ nípa àwọn ìṣòro ìṣúná owó tàbí àwọn ìgbòkègbodò ẹ̀tàn, àyẹ̀wò àgbékalẹ̀ lè ran lọ́wọ́ láti kọ́ àwọn àpẹẹrẹ tí ó ń ṣàwárí àwọn àpẹẹrẹ tí ó tọ́ka sí àwọn àìdáa tàbí àwọn ìgbòkègbodò ẹ̀tàn.
Ipari
Ìdánwò àgbélébùú jẹ́ ọ̀nà pàtàkì nínú ìlànà kíkọ́ àwọn àwòṣe àsọtẹ́lẹ̀ tó ṣeé gbẹ́kẹ̀lé. Nípa ṣíṣe ìrànlọ́wọ́ láti ṣe àyẹ̀wò àpapọ̀ àwòṣe, ṣíṣe àtúnṣe àwọn hyperparameters, àti fífi àwọn algoridimu wéra, ọ̀nà yìí tẹnu mọ́ pàtàkì gbígbé ọ̀nà tó tọ́ àti tó gbéṣẹ́ fún ìwádìí dátà. Bó tilẹ̀ jẹ́ pé ó gbé àwọn ìpèníjà kan kalẹ̀, pẹ̀lú àgbéyẹ̀wò tó péye àti òye àwọn dátà tí a lò, ìdánwò àgbélébùú lè jẹ́ iṣẹ́ ìwádìí tó wúlò.
Ní ìparí, gbogbo olùwádìí tàbí onímọ̀ nípa ìwádìí yẹ kí ó ronú nípa ṣíṣe àgbékalẹ̀ ìfọwọ́sowọ́pọ̀ nínú ọ̀ràn wọn láti rí i dájú pé ṣíṣe ìpinnu tí ó dá lórí ìwádìí dátà dára sí i àti àwọn àbájáde tí ó ṣeé gbẹ́kẹ̀lé.
