Makine öğrenimi ve istatistikte örnek ve vaka arasındaki fark nedir?
Bu soruda ve Keras'ın bu API'sinde bir örneğin istatistikte bir durum anlamına geldiğini görüyorum çünkü bu API'nin dokümantasyonu şunları belirtir:
Kayıp fonksiyonunun ağırlıklandırılması için kullanılan, test numuneleri için isteğe bağlı Numpy ağırlık dizisi. Giriş örnekleriyle aynı uzunlukta düz (1B) Numpy dizisini (ağırlıklar ve örnekler arasında 1: 1 eşleştirme) veya geçici veriler söz konusu olduğunda, şekil (örnekler, sıra_uzunluğu) içeren bir 2D diziyi iletebilirsiniz. ), her numunenin her zaman adımına farklı bir ağırlık uygulamak için. Bu bağımsız değişken, x bir veri kümesi olduğunda desteklenmez, bunun yerine örnek ağırlıklarını x'in üçüncü öğesi olarak iletin.
Anladığım kadarıyla, buradaki örnek yukarıda belirtilen soru ile çok iyi örtüşüyor, o zaman sorum şu: neden makine öğrenimindeki bir örneğe istatistikte bir vakaya atıfta bulunuyoruz? İstatistikte, bir örnek birden fazla vakayı tehlikeye atar ve bir popülasyonun parçasıdır.
Yanıtlar
Bence ana açıklama sadece farklı gelenekler. Farklı terminolojiyle hemen hemen rastgele başladılar ve devam ediyorlar. Derin, felsefi bir açıklama olduğunu düşünmüyorum. Bu arada, istatistik ve makine öğrenimi uygulamalarındaki terminoloji de alanlar arasında farklılık gösteriyor; Bazı (biyoloji?) muhtemelen kullanmak numuneleri yerine örnek onlar sadece kendi alanlarından süreli (s) kopya olarak, hem de istatistiksel sorunlar için.