Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Lp-norma (LP)
catatan
Amazon SageMaker Clarify tidak lagi terbuka untuk pelanggan baru. Pelanggan yang sudah ada dapat terus menggunakan layanan seperti biasa. AWS terus berinvestasi dalam peningkatan keamanan dan ketersediaan untuk Clarify, tetapi kami tidak berencana untuk memperkenalkan fitur baru. Untuk informasi selengkapnya, lihat Memperjelas perubahan ketersediaan.
pL-norma (LP) mengukur jarak p-norma antara distribusi faset dari label yang diamati dalam kumpulan data pelatihan. Metrik ini non-negatif sehingga tidak dapat mendeteksi bias terbalik.
Rumus untuk p norma L adalah sebagai berikut:
L p (Pa, Pd) = (Σ y ||P a - P d || p) 1/p
Dimana jarak p-norma antara titik x dan y didefinisikan sebagai berikut:
L p (x, y) = (|x 1 -y 1 | p + |x -y | p +... n +|x 2 -y 2 | p) n 1/p
Norma 2 adalah norma Euclidean. Asumsikan Anda memiliki distribusi hasil dengan tiga kategori, misalnya, y i = {y0, y1, y2} = {diterima, daftar tunggu, ditolak} dalam skenario multikategori penerimaan perguruan tinggi. Anda mengambil jumlah kuadrat perbedaan antara jumlah hasil untuk aspek a dan d. Jarak Euclidean yang dihasilkan dihitung sebagai berikut:
L 2 (Pa, Pd) = [(n a (0) - n d (0)) 2 + (n a (1) - n d (1)) 2 + (n a (2) - n d (2)) 2] 1/2
Di mana:
-
n a (i) adalah jumlah hasil kategori ith dalam segi a: misalnya n a (0) adalah jumlah faset a yang diterima.
-
n d (i) adalah jumlah hasil kategori ith dalam segi d: misalnya n d (2) adalah jumlah penolakan faset d.
Rentang nilai LP untuk hasil biner, multikategori, dan kontinu adalah [0, √2), di mana:
-
Nilai mendekati nol berarti label didistribusikan dengan cara yang sama.
-
Nilai positif berarti distribusi label menyimpang, semakin positif semakin besar divergensi.
-
