Cos'è l'incertezza aleatoria ed epistemica?

L’incertezza aleatoria e quella epistemica sono due tipi di incertezza nell’apprendimento automatico e nella statistica.

• Incertezza aleatoria (stocastica, incertezza interna) — legata al rumore e alla casualità nei dati. Riflette la variabilità che non può essere eliminata anche con un numero infinito di dati. Ad esempio, misurazioni con errori o fattori imprevedibili.

• Incertezza epistemica (conoscenza, incertezza della conoscenza) — legata alla mancanza di conoscenza del modello sui dati o sul processo. Si verifica a causa di un volume limitato di dati o di un modello incompleto e può essere ridotta raccogliendo dati aggiuntivi o migliorando il modello.

Esempio:

• In un problema di regressione, l’incertezza aleatoria si manifesta come dispersione dei valori attorno alla funzione reale.
• L’incertezza epistemica è alta nelle aree dello spazio delle caratteristiche dove ci sono pochi esempi di addestramento.

Nei modelli bayesiani e nei processi gaussiani, queste incertezze sono modellate separatamente, consentendo di valutare meglio l’affidabilità delle previsioni e di prendere decisioni in condizioni di incertezza.