Ошибки 1-го и 2-го рода — общепринятые понятия в машинном обучении. Применительно к задачам классификации они означают следующее:
• ошибка первого рода — ложноположительное срабатывание. Такая ошибка происходит, когда модель делает вывод, что изображение содержит искомый объект, хотя в реальности его там нет.
• ошибка второго рода — ложноотрицательное срабатывание. Тут всё наоборот: суслика видишь, нет? А он есть!
В исследовании не упоминаются ошибки 1-го и 2-го рода. Вместо этого оно фокусируется на анализе спектральной плотности собственных значений гессиана (HESD) и её связи с обобщающей способностью нейронных сетей.
В машинном обучении функция потерь количественно оценивает ошибку модели на обучающих данных. Для задач классификации функция потерь часто основывается на разнице между предсказанным и истинным классом.
Ошибки 1-го и 2-го рода — общепринятые понятия в машинном обучении. Применительно к задачам классификации они означают следующее:
• ошибка первого рода — ложноположительное срабатывание. Такая ошибка происходит, когда модель делает вывод, что изображение содержит искомый объект, хотя в реальности его там нет.
• ошибка второго рода — ложноотрицательное срабатывание. Тут всё наоборот: суслика видишь, нет? А он есть!
В исследовании не упоминаются ошибки 1-го и 2-го рода. Вместо этого оно фокусируется на анализе спектральной плотности собственных значений гессиана (HESD) и её связи с обобщающей способностью нейронных сетей.
В машинном обучении функция потерь количественно оценивает ошибку модели на обучающих данных. Для задач классификации функция потерь часто основывается на разнице между предсказанным и истинным классом.