Ошибка – мера оценки эффективности Модели (Model) Машинного обучения (ML). Во времена огромного прогресса в области компьютерных наук и Искусственного интеллекта (AI) легко забыть, что по самой своей природе модели не идеальны. Одна из самых больших головных болей – это решить, насколько она точна. Первый шаг – понять цену ошибок. Вы бы предпочли ошибиться, предположив истинность чего-либо, когда это не так, или не угадать вообще? Иногда может быть дешевле потерять клиента, чем потратить часы на его удержание...
Инженер по машинному обучению Джордж Хосу задает вопрос: «Какие проблемы решает машинное обучение?». Или конкретнее, с учетом современного развития отрасли: «Какие проблемы нейросеть способна решить на практике?». Перевели его статью — рассуждения на эту тему, как нам кажется, встречаются редко. На первый взгляд, этот вопрос рассматривают такие теории, как вероятно приближенно корректное обучение (PAC learning). Однако они изучают машинное обучении в целом, но на практике не дают никаких осмысленных ответов...