https://techcrunch.com/2017/10/11/tensorflow-lattice-ensures-your-machine-learning-models-follow-global-trends/?ncid=rss
Google의 TensorFlow 팀은 오늘 TensorFlow Lattice를 출시하여 교육 자료에 시끄 럽지 않은 경우에도 기계 학습 모델이 전세계 추세를 준수하도록합니다. 래티스 는 매크로 규칙을 정의하여 모델을 제한하는 프로세스를 단순화하기 위해 조회 테이블 개념 을 사용합니다.
조회 테이블은 입력 (키) 및 출력 (값)을 포함하는 데이터를 나타냅니다. 단일 출력으로 연결되는 단일 키로 개념화하는 것이 가장 쉽지만보다 복잡한 다차원 기능의 경우에는 여러 개의 키가있을 수 있습니다. 대략 TensorFlow 팀의 접근 방식은 주어진 제약 조건을 극대화하기 위해 교육 데이터를 사용하여 조회 테이블 값을 조정하는 것입니다.
이 방법을 사용하면 여러 가지 이점이 있습니다. 앞서 언급했듯이, 단조로운 관계를 정의하는 것이 더 쉽습니다. 이것은 개발자가 입력이 한 방향으로 움직이면 결과물이 같은 방향으로 움직이는 것을 보장 할 수있게한다는 멋진 말입니다.
팀은 자동차 및 교통의 예를 제공합니다. 더 많은 자동차로 인해 더 많은 트래픽이 발생합니다. 이와 같은 상황에서, 단조 니티 (monotonicity)는 룩업 테이블 파라미터에 대한 제약으로서 표현된다. 이러한 제약 조건은 결과를 향상시키기 위해 사전 지식을 활용합니다. 특히 유사하지만 고유 한 문제에 모델을 적용하는 경우 더욱 그렇습니다.
또한 계산이 비용이 많이 들고 때로는 참조 테이블을 사용하고 모든 입력 / 출력 쌍을 계산하기보다는 누락 된 값을 추정 (보간)하는 것이 더 효율적 입니다. 격자 테이블을 사용한다는 것은 개발자가 전통적으로 제공하는 대체 접근 방식보다 더 큰 투명성에 액세스 할 수 있음을 의미합니다.
TensorFlow는 개발자가 격자 테이블을 사용하여 여러 유형의 문제를 해결할 수 있도록 네 개의 평가기를 제공합니다. GitHub에 대한 추가 정보를 찾을 수 있습니다.