Bias ne demek? İstatistikte bias ne demek? Bias degeri nedir? Bias-Variance Tradeoff nedir?

12.05.2022
Bias ne demek? İstatistikte bias ne demek? Bias degeri nedir? Bias-Variance Tradeoff nedir?

Bias ne demek? İstatistikte bias ne demek? Bias degeri nedir? Bias-Variance Tradeoff nedir?

Ön Yargı Yanlılık bir fikir ya da şey hakkında oransız bir şekilde olumlu ya da olumsuz tutumdur. Bazen önyargı, hoşgörüsüzlük ve adaletsizlikle ilişkilendirilir. Yanlılık içsel olabilir ya da sonradan öğrenilebilir. İnsanlar bir bireye, gruba ya da inanca karşı yanlılık geliştirebilir

statistiklerde, bir tahmin edicinin sapması, bu tahmin edicinin beklenen değeri ile tahmin edilen parametrenin gerçek değeri arasındaki farktır. Sıfır önyargılı bir tahminci veya karar kuralı tarafsız olarak adlandırılır. İstatistiklerde, “önyargı” bir tahmincinin nesnel bir özelliğidir.

Bias: Hata/yanlılık/sapma. Modelleme sonucunda tahmin edilen veriler ile gerçek veriler arasındaki uzaklığı yansıtan değerdir.

Bias ne demek? İstatistikte bias ne demek? Bias degeri nedir? Bias-Variance Tradeoff nedir?

Yanlılık/Varyans İkilemi (Bias/Variance Tradeoff)

Bir modelin “genelleştirme” hatası, üç farklı hatanın toplamı şeklinde ifade edilebilir:

  1. Yanlılık (Bias)
  2. Varyans (Variance)
  3. İndirgenemez Hata (Irreducible error)

YanlılıkYanlılık modelin ne kadar yanlış olduğunu ölçer. Genelleştirme hatasının bu parçası, yanlış varsayımlara dayanır. Örneğin, veri kuadratik (ikinci dereceden polinom) iken verinin lineer olduğunu varsaymak gibi. Yanlılık, modelimizin problemin çözümünü içermediğini gösterir. Modelimizin zayıf kaldığı bu duruma eksik öğrenme (underfitting) denir. Yüksek yanlılığa sahip bir modelin, eğitim verimizi eksik öğrenme olasılığı daha fazladır.

VaryansVaryans, modelin tahmin ettiği verilerin, gerçek verilerin etrafında nasıl (ne kadar) saçıldığını ölçer. Genelleştirme hatasının bu parçasına, modelin eğitim verisindeki düşük değişimlere aşırı duyarlılığı sebep olur. Eğer varyans yüksek ise, modelimiz fazla geneldir; buna da aşırı öğrenme (overfitting) denir

error: Content is protected !!