Исследователи под руководством Пекинского университета разработали структуру для оценки относительной ценности правил и данных в «информированных моделях машинного обучения», которые включают в себя и то, и другое.TechInsider
«Наша структура может быть использована для оценки различных знаний и правил для повышения прогностических возможностей моделей глубокого обучения».TechInsider
Среднеквадратическая ошибка для сценариев с распределением и без распределения отображается сплошными и пунктирными фиолетовыми линиями соответственно.TechInsider
Чтобы повысить производительность информированного машинного обучения, команда разработала структуру для расчета вклада отдельного правила в точность прогнозирования данной модели.TechInsider