Selecione suas preferências de cookies

Usamos cookies essenciais e ferramentas semelhantes que são necessárias para fornecer nosso site e serviços. Usamos cookies de desempenho para coletar estatísticas anônimas, para que possamos entender como os clientes usam nosso site e fazer as devidas melhorias. Cookies essenciais não podem ser desativados, mas você pode clicar em “Personalizar” ou “Recusar” para recusar cookies de desempenho.

Se você concordar, a AWS e terceiros aprovados também usarão cookies para fornecer recursos úteis do site, lembrar suas preferências e exibir conteúdo relevante, incluindo publicidade relevante. Para aceitar ou recusar todos os cookies não essenciais, clique em “Aceitar” ou “Recusar”. Para fazer escolhas mais detalhadas, clique em “Personalizar”.

Incerteza epistêmica

Modo de foco
Incerteza epistêmica - AWS Orientação prescritiva

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

A incerteza epistêmica se refere à incerteza do modelo (epistemologia é o estudo do conhecimento) e geralmente se deve à falta de dados de treinamento. Exemplos de incerteza epistêmica incluem grupos minoritários sub-representados em um conjunto de dados de reconhecimento facial ou a presença de palavras raras em um contexto de modelagem de linguagem.

A incerteza epistêmica é encontrada pela definição de variância:

Mathematical equation showing the definition of variance using expectation and summation notation.

onde Mathematical formula showing theta subscript i distributed according to pi of theta given D. .

A incerteza epistêmica Mathematical notation showing the gradient of a function f with respect to theta. de um modelo treinado diminuirá à medida que o tamanho dos dados de treinamento aumentar. Mathematical notation showing the gradient of a function f with respect to theta. também pode ser afetada pela adequação da arquitetura do modelo. Dessa forma, a medida da incerteza epistêmica é de grande valor para o engenheiro de machine learning. Isso ocorre porque grandes medidas de incerteza epistêmica podem sugerir que a inferência está sendo feita em dados com os quais o modelo possui menos experiência. Portanto, essa incerteza epistêmica pode corresponder a previsões errôneas ou dados discrepantes.

PrivacidadeTermos do sitePreferências de cookies
© 2025, Amazon Web Services, Inc. ou suas afiliadas. Todos os direitos reservados.