Публикации по теме 'cost-function'
Понимание функции стоимости.
Основная цель функции стоимости – свести к минимуму количество ошибок при прогнозировании целевых значений. Как мы знаем, окончательный результат функции стоимости в основном зависит от того, какие значения Θ мы выбираем изначально.
Ниже приведена формула функции стоимости, ее необходимые параметры и то, как она будет работать с гипотезой или линией регрессии.
Цель функции стоимости состоит в том, чтобы определить, для каких значений Θ прогнозируемые значения приближаются к..
Зачем нам нужна пользовательская функция потерь в машинном обучении
Более точный прогноз модели машинного обучения не всегда приводит к более высокой прибыли
Введение
Если вы находитесь на вершине горы и ищете способ добраться до подножья, функция потери будет подобна компасу, который направит вас вниз по склону. Однако, если вы хотите добраться до какого-то определенного места у подножия холма, пользовательский компас, созданный специально для указания на это конкретное место, может направить вас к желаемому пункту назначения быстрее и точнее, чем..
Введение в алгоритм градиентного спуска
Представьте, что вы стоите на вершине горы с завязанными глазами. Вас просят спуститься с горы и найти долину. Что бы вы сделали? Поскольку вы не знаете, куда и в каком направлении вам нужно двигаться, чтобы достичь земли, вы, вероятно, сделаете маленькие шажки в каком-то направлении более высокого наклона и попытаетесь выяснить, ведет ли этот путь к месту назначения. Вы можете повторять этот процесс, пока не достигнете земли. Именно так работает алгоритм градиентного спуска...
Производительность модели и функции стоимости для моделей классификации
Модель классификации - это модель машинного обучения, которая предсказывает категориальную переменную Y:
Сотрудник уйдет из организации или останется? Есть у пациента рак или нет? Подпадает ли этот клиент под высокий, средний или низкий риск? Будет ли клиент выплатить или не выплатит ссуду?
Модель классификации, в которой переменная Y может принимать только 2 значения, называется двоичным классификатором.
Производительность моделей для моделей классификации обычно спорна с..
Функция стоимости и градиентный спуск в чистом Kotlin
В начале этого года я прослушал знаменитый курс машинного обучения на Coursera (Стэнфордского университета) и иногда мне было немного сложно одновременно учить октаву. Поскольку это не мой удобный язык программирования, я хотел поэкспериментировать с тем, что я изучил с помощью Java или Kotlin. Наконец, я решил использовать Kotlin, так как гораздо проще реализовать матрицу и ее функции, в основном из-за поддержки оператора overlord и инфиксной функции.
Итак, я собираюсь начать с более..
Нормальное уравнение или градиентный спуск ? 🐱🐉🐱💻
Какой дорогой мир!!! Даже для реализации простой линейной регрессии нам нужно думать о стоимости. Да, Функция стоимости !! ❤
В этом блоге давайте разберемся, когда использовать нормальное уравнение и когда использовать градиентный спуск ?
Градиентный спуск:
Градиентный спуск — это алгоритм оптимизации, который можно использовать в любой задаче машинного обучения, он используется для нахождения значения параметра (коэффициента) функции, которое минимизирует стоимость. Проще..
Разоблачение функций потерь в глубоком обучении
В основе любого контролируемого алгоритма машинного обучения лежит этап обучения, который невозможно было бы выполнить без алгоритма оптимизации или который иногда называют обратным распространением. Существуют и другие классы алгоритмов, которые могут обучать или, скорее, оптимизировать вашу модель, но мы можем говорить только о классах алгоритмов, называемых градиентным спуском. С чего начинается обучение в этом процессе обучения и зачем оно нам вообще нужно?
В общих чертах, процедура..