Mi az az aleatorikus és epistemikus bizonytalanság?

Az aleatorikus és az epistemikus bizonytalanság két típusú bizonytalanság a gépi tanulásban és a statisztikában.

• Aleatorikus bizonytalanság (stochasztikus, belső bizonytalanság) — a zajjal és a véletlenszerűséggel kapcsolatos az adatokban. Olyan változékonyságot tükröz, amelyet még végtelen adatmennyiség esetén sem lehet kiküszöbölni. Például hibás mérések vagy előre nem látható tényezők.

• Epistemikus bizonytalanság (tudás, tudás bizonytalansága) — azzal kapcsolatos, hogy a modell nem rendelkezik elegendő tudással az adatok vagy a folyamat kapcsán. A korlátozott adatmennyiség vagy a hiányos modell miatt alakul ki, és további adatok gyűjtésével vagy a modell fejlesztésével csökkenthető.

Példa:

• Regressziós feladatban az aleatorikus bizonytalanság a valódi függvény körüli értékek szóródásaként jelentkezik.
• Az epistemikus bizonytalanság magas azokban a területeken, ahol kevés tanulási példa van a jellemzőtérben.

Bayes-i modellekben és Gauss-folyamatokban ezeket a bizonytalanságokat külön modellezik, ami lehetővé teszi a jóbb előrejelzések megbízhatóságának értékelését és a döntéshozatalt bizonytalanság esetén.