داده‌های پرت

تعریف

مقدارهایی که از بقیه مقادیر فاصله‌ی زیادی دارند. در یادگیری ماشین، هر کدام از موارد زیر داده‌ی پرت حساب می‌شوند:

• وزن‌هایی که قدر مطلق آن‌ها بسیار بزرگ باشد.
• مقدارهای پیش‌بینی شده‌ای که از مقادیر واقعی بسیار دور باشند.
• داده های ورودی‌ای که مقدار آن‌ها بیش از تقریبا ۳ برابر انحراف معیار از میانگین دور باشد.

داده‌های پرت معمولا در آموزش مدل‌ها اختلال ایجاد می‌کنند. بریده‌سازی (clipping) یکی از راه‌های مدیریت این داده‌هاست.