Spisu treści:
Definicja - Co oznacza prognoza strukturalna?
Prognozy strukturalne to szczególna dyscyplina stosowana w uczeniu maszynowym, w której techniki uczenia maszynowego przewidują obiekty strukturalne. Zazwyczaj prognoza strukturalna wykorzystuje nadzorowane programy uczenia maszynowego z etykietami, które można zastosować w celu uzyskania wyników.
Techopedia wyjaśnia Structured Prediction
Jednym z najprostszych i najłatwiejszych sposobów mówienia o prognozowaniu strukturalnym jest to, że wykorzystuje problemy szkoleniowe do rozwiązania zadania klasyfikacyjnego. Zasób dostępny z NeurIPS cytowany przez Sashę Rush w lipcu 2010 r. Opisuje go jako: „ramy rozwiązywania problemów klasyfikacji lub regresji, w których zmienne wyjściowe są wzajemnie zależne lub ograniczone”.
W szczególności, gdy prognozy nie można rozwiązać przez bezpośrednią obserwację wszystkich możliwych wartości, prognoza strukturalna przyjmuje dane wejściowe i wykorzystuje je do przewidywania wyników.
Alexander Passos, wówczas doktorant ML w UNICAMP w Brazylii, podaje interesującą definicję prognoz struktur w Quora, która jest niezwykle przydatna w charakteryzowaniu tego rodzaju użyteczności: „Prognozy strukturalne są szczególnym przypadkiem klasyfikacji wielu klas (to znaczy, biorąc pod uwagę x przewidywać y) gdzie:
- Istnieje o wiele zbyt wiele możliwych wartości dla y (wykładnicza lub nieskończona).
- Jednak wartości te nie są nieprzejrzyste, a sprawdzenie ich struktury może pomóc w zaprojektowaniu klasyfikatora, który uczy się na podstawie kilku przykładów (w odniesieniu do liczebności y) w krótkim czasie. ”
Strukturalne przewidywanie jest przydatne w przetwarzaniu języka naturalnego, badaniach w dziedzinie biologii i innych dyscyplinach. Na przykład, stosując znakowanie sekwencji i parsowanie drzew, program przewidywania struktur może osiągnąć różne cele przetwarzania języka naturalnego.
Ta definicja została napisana w kontekście uczenia maszynowego
