La potenza e la semplicità della propagazione degli errori con le simulazioni Monte Carlo
La potenza delle simulazioni Monte Carlo
Padroneggiare l’incertezza nell’analisi dei dati e nell’adattamento del modello, con codice pratico ed esempi
C’è molto scritto sui metodi di Monte Carlo in generale su Towards Data Science, ma non molto riguardo alla loro applicazione molto importante ed utile nella propagazione degli errori, a parte una grande introduzione di Shuai Guo e alcuni altri articoli:
Utilizzo di Monte Carlo per quantificare l’errore di previsione del modello
Dimostrazione delle simulazioni di Monte Carlo
towardsdatascience.com
Qui, voglio presentare alcune applicazioni numeriche concrete con codice per permettervi di provare e sperimentare di persona come i metodi di Monte Carlo possono essere estremamente utili, ma anche facili da implementare, per la propagazione degli errori in calcoli di quasi ogni tipo.
Inizierò con un’applicazione molto semplice per propagare gli errori durante un’operazione di sottrazione, per poi mostrare come potete utilizzare essenzialmente la stessa idea per propagare gli errori in qualsiasi tipo di procedura numerica, da una semplice regressione lineare ad un procedimento di adattamento molto complesso che sarebbe molto difficile da affrontare analiticamente.
- OpenAI lancia istruzioni personalizzate per ChatGPT per un’interazione AI personalizzata
- Migliaia di autori esortano le aziende di intelligenza artificiale a smettere di utilizzare opere senza autorizzazione
- Hai davvero bisogno di Reinforcement Learning (RL) in RLHF? Una nuova ricerca di Stanford propone DPO (Direct Preference Optimization) un semplice paradigma di addestramento per addestrare modelli di linguaggio dalle preferenze senza RL
Propagazione degli errori tramite simulazioni di Monte Carlo
La propagazione degli errori è un concetto fondamentale nell’analisi dei dati e nell’informatica scientifica. Quando si hanno misurazioni con incertezze, eseguire operazioni matematiche su questi valori comporterà la propagazione degli errori nel risultato calcolato finale. Per operazioni aritmetiche semplici, la propagazione degli errori può essere fatta in modo analitico utilizzando formule. Se siete interessati alla propagazione analitica degli errori, date un’occhiata a questa risorsa:
Incertezze e propagazione degli errori
Copyright 1° luglio 2000 1. Errori sistematici vs Errori casuali 2. Determinazione degli errori casuali (a) Limite di errore dello strumento…
www.geol.lsu.edu
Tuttavia, per operazioni più complesse che coinvolgono variabili multiple e funzioni non lineari, o per procedure di calcolo complesse come quelle coinvolte nel fitting dei dati o…