تغطية قيم بيانات التدريب: هل يملأ تكرار الطرفين الفراغ بينهما؟

الخلاصة السريعة

لا؛ عد القيم أو الفواصل المرصودة داخل النطاق، ولا تعامل الخط بين الحدين كأنه قياسات موجودة في الملف.

• افصل عدد السجلات والمدى عن تغطية القيم. تؤكد متطلبات Oracle لخدمتها أهمية تغطية نطاقات السمات والسيناريوهات العادية؛ هذا شرط في سياق الخدمة. ^[1]
• في أ مئة سجل: خمسون بالقيمة صفر وخمسون بعشرة. لا توجد قيمة داخلية مرصودة، رغم أن المدى من صفر إلى عشرة.
• في ب مئة سجل أيضا: تظهر الأعداد الصحيحة من صفر إلى عشرة، مع تسعين سجلا بقيمة خمسة. لها الحدود نفسها، وتحتوي القيم الصحيحة الداخلية التسع.
• ب لا تغطي كل الأعداد الحقيقية بين الحدين. حدد وحدة السمة ودقتها والقيم أو الفواصل المطلوبة؛ وجودها لا يثبت دقة نموذج أو كفاية عدد الأمثلة لكل حالة.

أي ثلاثة أوصاف نحتاج إلى فصلها؟

تشير إرشادات Oracle لإعداد بيانات الكشف عن الشذوذ إلى تغطية نطاقات السمات والسيناريوهات التشغيلية العادية. ^[1] لا ننقل سائر شروط الخدمة إلى كل مشروع تعلم آلة.

عدد السجلات يقول كم ملاحظة في الملف. المدى، في وصفنا هنا، يمتد من أصغر قيمة إلى أكبرها. أما التغطية المرصودة فتسأل عن القيم التي ظهرت بالفعل داخل هذا المدى. ندرس سمة رقمية واحدة، ولا نقارن هوية الأشخاص أو الأشياء.

الأرقام التالية من إعدادنا. السجلات مستقلة الهوية في المثال، ونفترض صحة قيمها وفق تعريف واحد للسمة. لا نصف تكرار القيمة بأنه خطأ نسخ، ولا نزعم أننا جمعنا قراءات جهاز.

كيف يكون ملف كبير خاليا من الداخل؟

أ تحوي خمسين صفا بالقيمة صفر وخمسين بالقيمة عشرة. صف بقيمة أربعة لا يظهر فيها، وكذلك أي قيمة أخرى أكبر من صفر وأصغر من عشرة. المدى يمتد بين الطرفين، لكنه وصف حدود لا قائمة قياسات.

إذا أضفنا ألف سجل آخر بالقيمتين نفسيهما، يزداد حجم أ وتبقى قائمة قيمها المميزة كما هي. لا ينتج من تكرار الطرفين سجل يساوي خمسة، ولا يثبت ذلك وحده أن التكرار بلا فائدة لأي هدف آخر.

ماذا يتغير عند إضافة قيم داخلية؟

نؤلف ب من سجل واحد لكل عدد صحيح من صفر إلى عشرة، ثم نضيف تسعة وثمانين سجلا بالقيمة خمسة. عددها مئة، وخمسة تظهر تسعين مرة. لا يتغير أصغر عدد أو أكبره، لكننا نرى الآن الأعداد الداخلية من واحد إلى تسعة.

تختلف التغطية رغم تساوي الحجم والحدود. وقد يختلف التكرار أيضا؛ وجود واحد مرة وخمسة تسعين مرة ليس توزيعا متوازنا. إذا احتجت مراجعة حالات بقيمة واحد، فلا تستبدل سجلها بسجلات خمسة لمجرد وقوع الجميع داخل المدى.

هذه مقارنة ملفات معلنة، وليست مقارنة دقة نموذجين. لا نقرر أن ب أفضل لكل مهمة؛ نقرر فقط أن الادعاء «لدينا أمثلة للقيم الصحيحة الداخلية» يصح لب ولا يصح لأ.

هل تعني القيم الصحيحة تغطية نطاق متصل؟

إذا كانت السمة تقبل كسورا، فلا توجد في ب قيمة 0.5 أو 7.2 بحسب تعريفنا. إحدى عشرة قيمة مميزة لا تمثل كل الأعداد الحقيقية في الفترة. وإذا كانت السمة مقيدة بأعداد صحيحة فقط، يتغير معنى النقص المطلوب فحصه.

قد تختار فواصل لمراجعة التوزيع، لكن سجل حدود كل فاصل وقاعدة إدراج القيم الطرفية. سلة واسعة تحوي صفرًا وعشرة قد تخفي الفراغ الداخلي إذا اكتفيت بعددها؛ ارجع إلى القيم المناسبة لسؤال المهمة.

احفظ وحدة السمة ودقة التسجيل ونطاق الاستخدام المطلوب، ثم اذكر ما شوهد وما لم يشاهد. لا تملأ الفجوة ببيانات مصطنعة وتعرضها كقياسات حقيقية، ولا تتخذ اكتمال القائمة برهانا على قدرة النموذج دون تقييم.