Czym jest niepewność losowa i epistemiczna?

Niepewność aleatoryczna i epistemiczna to dwa typy niepewności w uczeniu maszynowym i statystyce.

• Niepewność aleatoryczna (stochastyczna, wewnętrzna niepewność) — związana z hałasem i losowością w danych. Odzwierciedla zmienność, której nie można wyeliminować nawet przy nieskończonej ilości danych. Na przykład pomiary z błędami lub nieprzewidywalne czynniki.

• Niepewność epistemiczna (wiedza, niepewność wiedzy) — związana z brakiem wiedzy modelu o danych lub procesie. Powstaje z powodu ograniczonej ilości danych lub niepełnego modelu i może być zmniejszona przez zbieranie dodatkowych danych lub ulepszanie modelu.

Przykład:

• W zadaniu regresji niepewność aleatoryczna objawia się jako rozrzut wartości wokół prawdziwej funkcji.
• Niepewność epistemiczna jest wysoka w obszarach przestrzeni cech, gdzie jest mało przykładów treningowych.

W modelach bayesowskich i procesach gaussowskich te niepewności są modelowane oddzielnie, co pozwala lepiej ocenić wiarygodność prognoz i podejmować decyzje w warunkach niepewności.