Dirichlet' kalibreerimismeetodi analüüs
Nimi
Kirill Grjaznov
Kokkuvõte
Masinõppes on klassifitseerimismeetodite üheks probleemiks see, et klassifikaatorid väljastavad liiga enesekindlad tõenäosused. Probleemi lahenduseks on kalibreerimine ehk ennustatud tõenäosuste korrigeerimine. Bakalaureusetöös analüüsitakse Dirichlet´ kalibreerimismeetodit. Töö käigus uuriti kalibreerimismaatriksi muutumist läbi klassifikaatori treenimisprotsessi, selle mõju tulemustele erinevatel treenimisetappidel ning interpreteeriti kalibreerimismaatriksi elementide olemust. Töös kirjeldati, kuidas toimub kalibreerimine Dirichlet´ kalibreerimismeetodiga ning kuidas kalibreerimismaatriks näitab ja parandab klassifikaatori enesekindlust. Eksperimentides kasutati ResNet110, Wide ResNet32 ja DenseNet40 klassifikaatoreid ning CIFAR-10 andmestikku. Analüüsi tulemusena leiti, et klassifikaatorid olid liiga enesekindlad terve treenimisprotsessi käigus ning Dirichlet´ kalibreerimismeetod parandab enesekindlust ja kalibreeritust igal treenimisetapil.
Lõputöö keel
eesti
Lõputöö tüüp
Bakalaureus - Informaatika
Juhendaja(d)
Meelis Kull, Markus Kängsepp
Kaitsmise aasta
2020