انحدار المتجهات الداعمة: ماذا تتجاهل منطقة epsilon؟

الخلاصة السريعة

تحدد epsilon منطقة تسامح للخسارة؛ وجود فرق داخلها لا يعني أن التنبؤ يساوي الحقيقة أو أن الخطأ القادم مضمون ضمنها. ^[1]

• epsilon مقدار بوحدة الهدف، وتحدد داخل أنبوبه فروقًا لا تعاقبها خسارة التدريب. ^[1]
• في المثال ذي epsilon=0.5، الفرقان 0.4 و 0.5 يعطيان خسارة صفرًا، والفرق 1.2 يعطي 0.7 خارج المنطقة.
• عند تثبيت الفرق 0.4 وتقليل epsilon إلى 0.2، تصبح الخسارة 0.2؛ لم نحسب تنبؤًا جديدًا بعد إعادة تدريب.
• منطقة التسامح ليست ضمانًا؛ اختيار epsilon وC والنواة يحتاج تقييم المهمة، ولا تكفي خسارة حالة واحدة.

ما المقصود بأنبوب بلا عقوبة داخله؟

يحدد توثيق SVR epsilon بوصفها المسافة حول القيمة الفعلية التي لا تعاقبها خسارة التدريب. ^[1]

في حسابنا نرمز للفرق المطلق بين القيمة الفعلية والتنبؤ بـd، ثم نقرأ الجزء الخارج عن المنطقة: الأكبر بين صفر وd−epsilon. الفكرة لا تزيل الفرق من سجل القياس؛ إنها تحدد مقدارًا لا تفرض عليه هذه الخسارة عقوبة.

إذا كان الهدف عدد وحدات في تقدير افتراضي، فإن epsilon=0.5 نصف وحدة من هذا الهدف. ليست نصف احتمال ولا سماحًا بنسبة 50% من الحالات. احفظ وحدة القيمة قبل مقارنة الأنابيب.

مثال: الداخل والحد والخارج

نفترض قيمة فعلية 10 وتنبؤات حسابية نختارها للتوضيح، مع epsilon=0.5. التنبؤ 9.6 يبعد 0.4؛ لذا مقدار الخسارة الأكبر بين صفر و−0.1، أي صفر.

التنبؤ 10.5 يبعد 0.5 بالضبط، فيعطي صفرًا أيضًا. والتنبؤ 8.8 يبعد 1.2، فيكون الجزء الخارج 1.2−0.5=0.7.

لم ندرب نموذجًا ينتج هذه القيم. نقيّم ثلاثة فروق مفترضة لعزل تعريف المنطقة. خسارة صفر للتنبؤ 9.6 لا تقول إنه 10؛ ما زال الفرق 0.4 موجودًا في أي تقرير يقيس الخطأ العددي نفسه.

ماذا يحدث إذا ضيقنا المنطقة؟

نثبت التنبؤ 9.6 والقيمة الفعلية 10، ونغير epsilon إلى 0.2. تصبح خسارة هذا الفرق 0.4−0.2=0.2. أما مع 0.5 فكانت صفرًا.

هذه مقارنة خسارة عند التنبؤ نفسه، وليست وصفًا لما سيخرجه نموذج بعد إعادة الملاءمة؛ تغيير الخسارة قد يغير حل التدريب. يجب أن نفصل جدول تقييم الدالة عن جدول النماذج الناتجة.

كما لا نقول إن تضييق epsilon حسن الدقة بمقدار 0.2. الفرق المطلق الذي قسناه ما زال 0.4؛ الرقم 0.2 مقدار في الخسارة التي اخترناها. هذا الفصل يمنع تحويل تعريف حسابي إلى نتيجة أداء.

هل يشمل التسامح كل حالة جديدة؟

تحدد epsilon ما تعاقبه خسارة التدريب، ولا تفرض حاجزًا يمنع أي تنبؤ من تجاوزها. في مثالنا نفسه بقيت حالة افتراضية بخسارة 0.7؛ اسم الأنبوب لم يمنع وجودها.

عندما تقرأ تقرير SVR، احتفظ بقيم epsilon وC والنواة، ثم انظر إلى الأخطاء التي تهم المهمة. إذا استعمل تقرير المتوسط المطلق للخطأ، فلا تستبدله تلقائيًا بخسارة epsilon التي قد تسقط فروقًا صغيرة من العقوبة.

لا يمكن تحديد منطقة مناسبة من المثال وحده. يشرح الحساب حدود معنى الخسارة، بينما يتطلب اختيار الإعدادات فحص بيانات المهمة والتنبؤات الناتجة فعلًا. لم نقدم نطاق احتواء احتماليًا أو ضمانًا لكل قيمة مقبلة.