1. In parole semplici
Un Model Domain descrive la regione dello spazio degli input in cui un modello è stato addestrato/fittato. Serve a distinguere interpolazione dentro una regione coperta dai dati da extrapolation fuori da quella regione.
2. Principio
Il dominio è definito nello spazio degli input del modello matematico, non nel grafico e non nell'output Y.
# model_id=my.model
# domain_kind=convex_hull
input_a,input_b
0,0
1,0
1,1
0,13. Helper
domain = gxtxt_read_model_domain(path, expected_inputs, expected_model_id)
domain = gxtxt_validate_model_domain(domain, expected_inputs, expected_model_id)
[inside, classification] = gxtxt_classify_model_domain(domain, points, tolerance)4. Validazioni
- input names unici;
- coordinate finite;
- dimensionalità coerente;
- almeno D+1 punti per D dimensioni;
- convex hull non degenere;
- expected inputs riordinati e verificati;
- model_id verificato quando disponibile.
5. Interpretazione corretta
inside significa che l'input cade nel convex hull del training set. Non significa che la predizione sia “giusta”. outside indica extrapolation; non significa automaticamente che sia sbagliata, ma richiede maggiore cautela.