Публикации по теме 'generalization'


Обобщенные аддитивные модели с R
Статистика, R Обобщенные аддитивные модели с R Баланс интерпретируемости и предсказательной силы с помощью нелинейных моделей Обобщенные аддитивные модели - это расширения линейных моделей, которые позволяют гибко моделировать нелинейные отношения. Более того, GAM - это средний путь между простыми моделями, такими как линейная регрессия, и более сложными моделями, такими как повышение градиента. Линейные модели легко интерпретировать, использовать для вывода и позволяют понять..
Дилемма моделирования в машинном обучении — «Оптимизация против обобщения»
Будучи молодым специалистом по данным, я всегда думал, что лучшая модель, которую вы можете создать, — это модель, которая будет давать наилучшие показатели после предсказания результатов некоторых тестов. Однако стремление к наименьшей MSE или самой высокой точности классификации не будет реальной задачей. Но почему ? Интуиция — важность тренировки Давайте представим ситуацию, когда два ресторанных критика приходят в одно и то же колумбийское заведение, чтобы отведать одно и..
В документе поясняется: «ПОНИМАНИЕ ГЛУБОКОГО ОБУЧЕНИЯ ТРЕБУЕТ ПЕРЕСМОТРЕНИЯ ОБОБЩЕНИЯ» - ICLR’17
Оригинальную статью можно найти здесь . Это была одна из трех работ, получивших награду Best Paper Award на ICLR 2017. Чего ожидать от этого блога: Резюме статьи и мое понимание статьи смешались с моими личными мнениями. 1. Суть статьи Давайте начнем с попытки суммировать утверждения статьи. Это основная претензия статьи: В статье показано, как традиционные подходы не могут объяснить, почему большие нейронные сети хорошо обобщаются на практике. Чтобы подробнее рассказать о..
🌊 Дзен и искусство обобщения
Инновации в машинном обучении сосредоточены вокруг новых архитектур моделей, таких как AlexNet или Transformers . Исследователи обычно публикуют производительность этих архитектур моделей в одном наборе данных, даже в области многофункциональных базовых моделей. Выдерживает ли критическая оценка практика работы с одним набором данных? Должен ли По какому набору данных создавать отчеты? быть стандартным вопросом? Создавая наш последний проект по обнаружению языка ненависти, мы..
Обобщение
Машинное обучение Оптимизация и обобщение После обучения на нескольких обучающих данных точность прогноза на неизвестных данных упадет. Поэтому при оценке моделей необходимо найти наилучший баланс между оптимизацией и обобщением. Оптимизация . Используйте обучающие данные для постоянного улучшения модели, чтобы получить наилучшие возможные результаты. Вы можете думать об этом как об «обучении» машины. Обобщение . Относится к производительности обученной модели на..
Понимание глубокого обучения требует переосмысления обобщения
Следующий анализ представляет собой мою интерпретацию статьи ICLR 2017 Понимание глубокого обучения требует переосмысления обобщения ( ссылка arXiv ). Эта статья была удостоена одной из трех наград за лучшую работу на конференции ICLR 2017. Мне понравилось читать ее, поскольку она ставит под сомнение традиционное понимание обобщения в моделях обучения и то, что регуляризация не является единственной причиной обобщения. Ключевые результаты В статье содержится понимание, а..
Математика, стоящая за контролируемой классификацией обучения
В этой статье рассказывается об базовой классификации в машинном обучении или, в частности, в обучении с учителем. Как классификатор строит границу для разделения двух классов. В нем также говорится о том, насколько важна бинарная классификация, и о математике, лежащей в основе задачи классификации обучения под наблюдением. Мы попытаемся понять концепцию классификации с помощью простейшего случая классификации, то есть бинарной классификации или изучения классификатора, который может..