Howtosignalprocessing
- Was ist das Problem mit Überabtastung??
- Warum sollten wir Überabtastung verwenden??
- Ist es eine gute Idee zu übertreffen??
- Ist gut im maschinellen Lernen gut?
Was ist das Problem mit Überabtastung??
Die zufällige Überabtastung kann die Wahrscheinlichkeit erhöhen, dass eine Überanpassung auftritt. Auf diese Weise kann beispielsweise ein symbolischer Klassifizierer Regeln konstruieren, die anscheinend genau sind, aber tatsächlich ein repliziertes Beispiel abdecken.
Warum sollten wir Überabtastung verwenden??
Überabtastung ist die Auswahl der Befragten, damit einige Gruppen einen größeren Anteil an der Umfrage -Stichprobe ausmachen als in der Bevölkerung. Überabtastende kleine Gruppen können schwierig und kostspielig sein, aber es ermöglicht es, Umfragen auf Gruppen zu beleuchten, die sonst zu klein wären, um sich über zu melden.
Ist es eine gute Idee zu übertreffen??
Überabtastung ist ein bekannt. Es ist jedoch wichtig, sich daran zu erinnern, dass das fälschliche Überabtastung dazu führen kann, dass ein Modell besser verallgemeinert wird als es tatsächlich tut.
Ist gut im maschinellen Lernen gut?
Zufällige Überabtastung
Für Algorithmen für maschinelles Lernen, die von verzerrter Verteilung wie künstlichen neuronalen Netzwerken und SVMs betroffen sind, ist dies eine hochwirksame Technik.
