Presná definícia
Čo znamená aproximácia funkcie?
Aproximácia funkcie je nahradenie neznámeho, drahého alebo príliš zložitého zobrazenia jednoduchšou parametrickou či neparametrickou funkciou, ktorá má malú chybu na určenej oblasti a podľa zvolenej normy alebo straty. V ML sa z príkladov odhaduje vzťah medzi vstupom a cieľom; úspech na konečnej vzorke negarantuje presnosť medzi bodmi ani mimo jej podpory. Aproximačná schopnosť, naučiteľnosť a numerická optimalizácia sú tri odlišné otázky.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Náhradný model môže približovať pomalú fyzikálnu simuláciu a umožniť rýchle skúmanie návrhov. Tréningové body sa vyberajú tak, aby pokryli dôležitú oblasť, a chyba sa hodnotí podľa fyzikálne významnej váhy, nie iba priemeru. Osobitne sa testujú hranice, monotónnosť a extrapolácia; mimo pokrytia má systém signalizovať neistotu alebo spustiť pôvodnú simuláciu. Vyššia kapacita zníži chybu fitu, no nemusí zlepšiť stabilitu. Ak sú známe invarianty alebo zákony, zakomponujú sa do reprezentácie či obmedzení namiesto očakávania, že ich model vždy objaví.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Aký je rozdiel medzi interpoláciou a extrapoláciou?
Interpolácia predikuje medzi podporenými bodmi; extrapolácia mimo ich oblasti vyžaduje silnejšie predpoklady.
Prečo záleží na miere chyby?
L2 zvýrazňuje veľké odchýlky inak než L1 alebo maximálna chyba a vedie k inému optimu.
Zaručuje univerzálna aproximácia dobrý model?
Nie. Hovorí o existencii reprezentácie, nie o nájdení parametrov, dátach ani generalizácii.
Musí mať aproximátor pevný počet parametrov?
Nie. Kernelové a susedské metódy môžu rásť so vzorkou.
Ako sa používa bezpečne?
S detekciou oblasti platnosti, intervalom chyby a fallbackom na presnejší výpočet pri neistote.