Wat is aleatorische en epistemische onzekerheid?

Aleatorische en epistemische onzekerheid zijn twee soorten onzekerheid in machine learning en statistiek.

• Aleatorische onzekerheid (stochastisch, interne onzekerheid) — gerelateerd aan ruis en willekeur in gegevens. Het weerspiegelt de variabiliteit die niet kan worden weggenomen, zelfs niet met een oneindige hoeveelheid gegevens. Bijvoorbeeld, metingen met fouten of onvoorspelbare factoren.

• Epistemische onzekerheid (kennis, onzekerheid van kennis) — gerelateerd aan het gebrek aan kennis van het model over de gegevens of het proces. Het ontstaat door een beperkte hoeveelheid gegevens of een onvolledig model en kan worden verminderd door het verzamelen van extra gegevens of het verbeteren van het model.

Voorbeeld:

• Bij regressieproblemen manifesteert aleatorische onzekerheid zich als spreiding van waarden rond de werkelijke functie.
• Epistemische onzekerheid is hoog in gebieden van de kenmerkenruimte waar weinig trainingsvoorbeelden zijn.

In Bayesian modellen en Gaussian-processen worden deze onzekerheden apart gemodelleerd, wat een betere beoordeling van de betrouwbaarheid van voorspellingen mogelijk maakt en het nemen van beslissingen onder onzekerheid vergemakkelijkt.