인식적 불확실성

인식적 불확실성은 모델의 불확실성(인식론은 지식에 대한 연구)을 말하며, 대개 교육 데이터의 부족으로 인해 발생합니다. 인식적 불확실성의 예로는 안면 인식 데이터 세트의 소수 집단이 제대로 표현되지 않았거나 언어 모델링 컨텍스트에서 희귀 단어가 존재하는 경우를 들 수 있습니다.

인식적 불확실성은 분산의 정의에서 찾을 수 있습니다.

여기서, .

교육된 모델의 인식적 불확실성 (은)는 교육 데이터의 크기가 커질수록 감소합니다. (은)는 모델 아키텍처의 적합성에 영향을 받을 수도 있습니다. 따라서 인식적 불확실성의 측정은 기계 학습 엔지니어에게 매우 유용합니다. 인식적 불확실성을 대량으로 측정하면 모델에 대한 경험이 많지 않은 데이터를 대상으로 추론이 이루어지고 있다는 것을 알 수 있기 때문입니다. 따라서 이러한 인식적 불확실성은 잘못된 예측이나 이상치 데이터에 해당할 수 있습니다.