Innehållsförteckning:
Definition - Vad betyder strukturerad förutsägelse?
Strukturerad förutsägelse är en speciell disciplin som tillämpas på maskininlärning där maskininlärningstekniker förutsäger strukturerade objekt. Vanligtvis använder den strukturerade förutsägelsen övervakade maskininlärningsprogram med etiketter som kan tillämpas för att ge resultat.
Techopedia förklarar Structured Prediction
Ett av de enklaste och enklaste sätten att prata om strukturerad förutsägelse är att det använder träningsproblem för att lösa en klassificeringsuppgift. En resurs tillgänglig från NeurIPS citerade av Sasha Rush i juli 2010 beskriver den som: "ett ramverk för att lösa problem med klassificering eller regression där utgångsvariablerna är ömsesidigt beroende eller begränsade."
När en förutsägelse inte kan lösas genom direkt observation av alla möjliga värden tar den strukturerade förutsägelsen input och använder dem för att förutsäga resultaten.
Alexander Passos, sedan PhD ML-student vid UNICAMP i Brasilien, ger en intressant definition av strukturförutsägelse i Quora som är oerhört användbar för att karakterisera den här typen av verktyg: ”Strukturerad förutsägelse är ett speciellt fall av klassificering i flera klasser (det vill säga x förutsäga y) var:
- Det finns alldeles för många möjliga värden för y (exponentiell eller oändlig).
- Dessa värden är emellertid inte ogenomskinliga, och genom att inspektera deras struktur kan du utforma en klassificerare som lär sig från få exempel (i förhållande till y-kardinaliteten) på kort tid. ”
Strukturerad förutsägelse har varit användbar inom naturligt språkbearbetning, biovetenskaplig forskning och andra discipliner. Till exempel, genom att använda sekvensmärkning och analysera träd, kan ett strukturprognosprogram uppnå olika naturliga språkbearbetningsmål.
Denna definition har skrivits i samband med maskininlärning
