Yeni tasarımdaki öngörüye ne kadar güvenebiliriz ?

Makine öğrenimi (ML) modelleriyle yanıtlanması gereken en önemli sorulardan biri, yeni tasarım için öngörüden ne kadar emin olduğumuzdur. Altair Hyperstudy, bu soruyu yanıtlamak için Kalite (Quality) indeksini kullanır. Kalite indeksi, tasarım alanında belirli bir noktada ML modelinde (Fit) hem doğruluğu hem de güveni değerlendirmek için bir ölçü olarak sağlanır (Şekil 1 ve 2). Hem global hem de yerel metrikler, 0 ile Fit’in R^2 değeriyle sınırlanan bir Üst Sınır arasında çalışan bir metrik oluşturmak için birleştirilir. Kalite, tahmine dayalı modelin verilerdeki varyansı açıklamak için eğitildiği, Fit’in giriş noktaları etrafında oluşturulan dışbükey gövde içindeki noktalarda en yüksek olacaktır. Kısmen verilerin ekstrapolasyonuna dayalı olarak artan değerler nedeniyle, bu noktalardaki tahminler daha az güvenilir hale geldikçe, kalite metriği dışbükey gövdenin dışındaki mesafeyle orantılı olarak azalır. Daha basit bir ifadeyle, yeni tasarımınız eğitim veri kümesi alanından ne kadar uzaksa, tahminde o kadar az emin olmalısınız (Şekil 3 ve 4).

Şekil 1. Yeni Tasarımın Kalitesi
Şekil 2. Uygun kalite eğrisini görüntülemek için uyum kalitesini kontrol edin.
Şekil 3. Bir dizi çap değeri için yeni tasarımın kalitesi
Şekil 4. Tahmini yeni tasarımlarda kalite eksikliği (“Yükseklik” ve “Maliyet Çerçevesi İmalatı” değişken değerleri tasarım aralıklarının dışındadır)