Ailəmizlə, dostlarımızla münasibətlərimizdə xoş, gözəl günlər olduqda xoşbəxt hiss edir, məmnun olduğumuzu göstərməyin yollarını axtarırıq. Bəs problemlərlə üzləşən kimi, hansısa çətinliklə qarşılaşanda əlaqəmizi kəsib, münasibətimizi bitiririkmi?
İlk öncə nəzərə alaq ki, insan emosiyaları və hissləri digər informasiyalar kimi yaddaşımızın müəyyən qismində yer tutur. Bunlardan bəziləri (həyəcan, təəccüb, narahatlıq, yanılma və.s.) RAM yaddaşımızda müvəqqəti yer tutsa da, bəziləri (sevgi, vicdan əzabı, kin, güvən və.s.) ROM yaddaşımıza yazılır və üzərindən nə qədər zaman keçsə də, o bir küncdə öz yerində oturub istifadə ediləcəyi zamanı gözləyir. Biz nə qədər fərqində olmasaq da, aldığımız qərarlara, verdiyimiz reaksiyalara bu təsir edir.
Necə? Çox sadə: Bir funksiya ilə. Bu funksiya (bundan sonra model deyəcəyik) bizim münasibətlərimizdə bir xəritə rolunu oynayır.
Biz Maşın öyrənmədə ən uyğun modeli tapmaq üçün datamızı müəyyən weight(w) və bias(b) dəyərlər ilə manipulyasiya edərək, bəzən dəfələrlə train (modeli öyrədib) və test edirik. Encode etdiyimiz (maşının başa düşəcəyi şəkildə daxil edilən verilənlər) datada müsbət emosiyalar bizim modelimizin accuracy score (düzgünlük metrikinin) yaxşılaşmasına kömək etsə də, mənfi emosiyalar bizi over-fitting (modeli əzbərləmə) problemindən uzaqlaşdırır. Over-fitting modelimizin train datamızı yaxşı öyrənsə də, test datamızda düzgün nəticə verməməsinə gətirib çıxarır. Vice versa, müsbət emosiyalarımızı düzgün şəkildə datamıza daxil etməsək, mənfi emosiyalar basqınlıq təşkil etsə, underfitting (çox sadə modelin öyrədilməsi və ya ümumiyyətlə öyrənə bilməməsi) problemini ortaya çıxaracaq.
Münasibətlərdə də eynidir: keçmişdə olmuş hadisələrdəki emosiyalar və ya hisslər bizim train datamızdakı inputlardır (x), verdiyimiz reaksiyalarımız isə outputlarımızdır (y və ya f(x)). Biz artıq yeni baş verən bir hadisə olduqda, daxil edilən iputları(emosiya və hisslərimizi) beynimizdə train datamız üzərindən öyrədilən model funksiyada yerinə qoyuruq və test edirik. Çıxan nəticə bizim yeni hadisəyə verdiyimiz reaksiya olur. Əslində biz fərqində olmadan, bu yeni dediyimiz hadisədə olan input və outputlar zaman-zaman bizim train datamıza çevrilir, modelimizin yaxşılaşmasına kömək edir və hər növbəti hadisədə, hər növbəti situasiyada biz o modeli çağırır, sorğulayır və düzəlişlər edib geri göndəririk.
Gəlin eyni nümunə üzərindən situasiyalara baxaq:
· Düşünək ki, bir gənc bir neçə ildir ki, bir şirkətdə işləyir. Şirkət hər bayramda öz işçilərinə korporativ hədiyyələr verir, müxtəlif əyləncə və ya həvəsləndirici tədbirlər təşkil edir. Qarşıdan yenə bir bayram gəlir, hər işçi kimi artıq bu gəncin də şirkətdən bayram münasibətilə bir gözləntisi yaranır. Şirkətin maliyyə vəziyyəti yaxşı olmadığı üçün bu il əlavə xərcləri azaltmaq məqsədilə sadəcə korporativ mail üzərindən təbrik mesajları göndərilir.
Nə baş verdi? Bizim train datamızda modelimiz overfit olduğu üçün, test datamızdakı inputu daxil edərkən aldığımız output ilə real nəticə üst-üstə düşmədi. Yəni işçi bu bayramkı təbrik mövzusunda yanıldı, modelimiz yanlış nəticə aldı.
· Əgər şirkət heç vaxt korporativ hədiyyələr verməyib, müxtəlif tədbirlər təşkil etməsə idi, bu zaman işçinin bayram üçün heç bir gözləntisi olmayacaqdı. Şirkət bir fərqlilik edib bu bayram nəsə təşkil etsə idi, yenə də işçinin gözləntisi ilə üst-üstə düşmədiyi üçün model yanlış nəticə almış sayılacaqdı. Belə olan halda isə modelimiz under-fitting etmiş olduğu üçün yanlış nəticə almış olur.
Bəzən isə modelimiz nə qədər yaxşı olsa da və testlərimiz nə qədər uğurlu keçsə də, görürük ki, bəzi situasiyalara modelimiz düzgün nəticə göstərməkdə çətinlik çəkir. Bəzi emosiyalar var ki, onlar ilə daim rastlaşmırıq, ya da mütləq ki nəyinsə ilki olur. Belə olanda nə olur? Bu datalarımız outlier sayılır. Məsələn, insan hər hansı ailə üzvünü bir dəfə itirir, bunun davamlı təkrarı olmur, ya da ilk dəfə ana və ya ata olmaq hissi heç vaxt təkrarlanmır, ilk dəfə təyyarənin qalxdığı anı nə əvvəl, nə sonra bir dəfə ilk dəfə kimi yaşamır insan. Belə dataları hər reaksiyamızda, hər qərarımızda adətən nəzərə almırıq. Niyə adətən? Çünki “Bütün outlier-lar atılmalıdır” deyə bir şey yoxdur. Biz onları nəzərə alaraq risklərdən uzaqlaşmağa çalışırıq. Məsələn, kiminsə ürək infarkti keçirməsi, artıq ona və ətrafındakılara bir siqnaldır ki, gərginlik, stress səviyyəsi düşməli, pəhrizə diqqət edilməli, mütəmmadi idmanla məşğul olunmalıdır. Münasibətlər üzərindən gedirdik axı: Sizin hansısa davranışınız hansısa dostunuzu sizdən uzaqlaşmağa vadar edibsə, demək ki, nələrsə düzgün deyil və bunu düzəltməlisiniz.
Bəs ideal olan nədir? Balanslaşdırılmış data ilə işləmək. Lazım gəldikdə outlier-ları nəzərə alaraq, lazım gəldikdə onları qurban verərək, ilk başlarda underfitting ilə başlayaraq, ortalarda overfit-ə gedərək münasibətlərimiz üçün düzgün modeli, formulanı çıxarmağa çalışırıq. Hər yeni situasiyada düzəlişlər edərək, bir əvvəlkindən daha yaxşı model əldə etmiş oluruq. Elə buna görədir ki, biz daha əvvəlki qərarlarımıza uşaqca olduğunu etiraf edib gülür, “İndiki ağlım olsa idi, bunu belə edərdim, ya bunu etməzdim” tipli cümlələr qururuq. Demək ki, indiki modelimiz olsa, əvvəldəki qərarları tamam başqa cür qəbul edərdik. Bəs bu model elə onların manipulyasiyasından yaranmamışdı? Onları dəyişsək, zatən modelimiz də bu deyil, başqa cür olmazdımı?
Bəs siz öz modelinizi qurmaq üçün dəyərləri necə manipulyasiya edirsiniz? Ən yaxşı modeli əldə etmək üçün nələrə öncəlik verib, nələri fəda edibsiniz?
Müəllif: Günel Xosrovlu
İlk öncə nəzərə alaq ki, insan emosiyaları və hissləri digər informasiyalar kimi yaddaşımızın müəyyən qismində yer tutur. Bunlardan bəziləri (həyəcan, təəccüb, narahatlıq, yanılma və.s.) RAM yaddaşımızda müvəqqəti yer tutsa da, bəziləri (sevgi, vicdan əzabı, kin, güvən və.s.) ROM yaddaşımıza yazılır və üzərindən nə qədər zaman keçsə də, o bir küncdə öz yerində oturub istifadə ediləcəyi zamanı gözləyir. Biz nə qədər fərqində olmasaq da, aldığımız qərarlara, verdiyimiz reaksiyalara bu təsir edir.
Necə? Çox sadə: Bir funksiya ilə. Bu funksiya (bundan sonra model deyəcəyik) bizim münasibətlərimizdə bir xəritə rolunu oynayır.
Biz Maşın öyrənmədə ən uyğun modeli tapmaq üçün datamızı müəyyən weight(w) və bias(b) dəyərlər ilə manipulyasiya edərək, bəzən dəfələrlə train (modeli öyrədib) və test edirik. Encode etdiyimiz (maşının başa düşəcəyi şəkildə daxil edilən verilənlər) datada müsbət emosiyalar bizim modelimizin accuracy score (düzgünlük metrikinin) yaxşılaşmasına kömək etsə də, mənfi emosiyalar bizi over-fitting (modeli əzbərləmə) problemindən uzaqlaşdırır. Over-fitting modelimizin train datamızı yaxşı öyrənsə də, test datamızda düzgün nəticə verməməsinə gətirib çıxarır. Vice versa, müsbət emosiyalarımızı düzgün şəkildə datamıza daxil etməsək, mənfi emosiyalar basqınlıq təşkil etsə, underfitting (çox sadə modelin öyrədilməsi və ya ümumiyyətlə öyrənə bilməməsi) problemini ortaya çıxaracaq.
Münasibətlərdə də eynidir: keçmişdə olmuş hadisələrdəki emosiyalar və ya hisslər bizim train datamızdakı inputlardır (x), verdiyimiz reaksiyalarımız isə outputlarımızdır (y və ya f(x)). Biz artıq yeni baş verən bir hadisə olduqda, daxil edilən iputları(emosiya və hisslərimizi) beynimizdə train datamız üzərindən öyrədilən model funksiyada yerinə qoyuruq və test edirik. Çıxan nəticə bizim yeni hadisəyə verdiyimiz reaksiya olur. Əslində biz fərqində olmadan, bu yeni dediyimiz hadisədə olan input və outputlar zaman-zaman bizim train datamıza çevrilir, modelimizin yaxşılaşmasına kömək edir və hər növbəti hadisədə, hər növbəti situasiyada biz o modeli çağırır, sorğulayır və düzəlişlər edib geri göndəririk.
Gəlin eyni nümunə üzərindən situasiyalara baxaq:
· Düşünək ki, bir gənc bir neçə ildir ki, bir şirkətdə işləyir. Şirkət hər bayramda öz işçilərinə korporativ hədiyyələr verir, müxtəlif əyləncə və ya həvəsləndirici tədbirlər təşkil edir. Qarşıdan yenə bir bayram gəlir, hər işçi kimi artıq bu gəncin də şirkətdən bayram münasibətilə bir gözləntisi yaranır. Şirkətin maliyyə vəziyyəti yaxşı olmadığı üçün bu il əlavə xərcləri azaltmaq məqsədilə sadəcə korporativ mail üzərindən təbrik mesajları göndərilir.
Nə baş verdi? Bizim train datamızda modelimiz overfit olduğu üçün, test datamızdakı inputu daxil edərkən aldığımız output ilə real nəticə üst-üstə düşmədi. Yəni işçi bu bayramkı təbrik mövzusunda yanıldı, modelimiz yanlış nəticə aldı.
· Əgər şirkət heç vaxt korporativ hədiyyələr verməyib, müxtəlif tədbirlər təşkil etməsə idi, bu zaman işçinin bayram üçün heç bir gözləntisi olmayacaqdı. Şirkət bir fərqlilik edib bu bayram nəsə təşkil etsə idi, yenə də işçinin gözləntisi ilə üst-üstə düşmədiyi üçün model yanlış nəticə almış sayılacaqdı. Belə olan halda isə modelimiz under-fitting etmiş olduğu üçün yanlış nəticə almış olur.
Bəzən isə modelimiz nə qədər yaxşı olsa da və testlərimiz nə qədər uğurlu keçsə də, görürük ki, bəzi situasiyalara modelimiz düzgün nəticə göstərməkdə çətinlik çəkir. Bəzi emosiyalar var ki, onlar ilə daim rastlaşmırıq, ya da mütləq ki nəyinsə ilki olur. Belə olanda nə olur? Bu datalarımız outlier sayılır. Məsələn, insan hər hansı ailə üzvünü bir dəfə itirir, bunun davamlı təkrarı olmur, ya da ilk dəfə ana və ya ata olmaq hissi heç vaxt təkrarlanmır, ilk dəfə təyyarənin qalxdığı anı nə əvvəl, nə sonra bir dəfə ilk dəfə kimi yaşamır insan. Belə dataları hər reaksiyamızda, hər qərarımızda adətən nəzərə almırıq. Niyə adətən? Çünki “Bütün outlier-lar atılmalıdır” deyə bir şey yoxdur. Biz onları nəzərə alaraq risklərdən uzaqlaşmağa çalışırıq. Məsələn, kiminsə ürək infarkti keçirməsi, artıq ona və ətrafındakılara bir siqnaldır ki, gərginlik, stress səviyyəsi düşməli, pəhrizə diqqət edilməli, mütəmmadi idmanla məşğul olunmalıdır. Münasibətlər üzərindən gedirdik axı: Sizin hansısa davranışınız hansısa dostunuzu sizdən uzaqlaşmağa vadar edibsə, demək ki, nələrsə düzgün deyil və bunu düzəltməlisiniz.
Bəs ideal olan nədir? Balanslaşdırılmış data ilə işləmək. Lazım gəldikdə outlier-ları nəzərə alaraq, lazım gəldikdə onları qurban verərək, ilk başlarda underfitting ilə başlayaraq, ortalarda overfit-ə gedərək münasibətlərimiz üçün düzgün modeli, formulanı çıxarmağa çalışırıq. Hər yeni situasiyada düzəlişlər edərək, bir əvvəlkindən daha yaxşı model əldə etmiş oluruq. Elə buna görədir ki, biz daha əvvəlki qərarlarımıza uşaqca olduğunu etiraf edib gülür, “İndiki ağlım olsa idi, bunu belə edərdim, ya bunu etməzdim” tipli cümlələr qururuq. Demək ki, indiki modelimiz olsa, əvvəldəki qərarları tamam başqa cür qəbul edərdik. Bəs bu model elə onların manipulyasiyasından yaranmamışdı? Onları dəyişsək, zatən modelimiz də bu deyil, başqa cür olmazdımı?
Bəs siz öz modelinizi qurmaq üçün dəyərləri necə manipulyasiya edirsiniz? Ən yaxşı modeli əldə etmək üçün nələrə öncəlik verib, nələri fəda edibsiniz?
Müəllif: Günel Xosrovlu