Публикации по теме regularisation

Публикации по теме 'regularisation'

Привет Рэйми,

Привет Рэйми, Просто сомнение, что подразумевается под буквой «w», положительной или отрицательной? поскольку «w» — это вектор весов, «w» должен быть смесью как положительных, так и отрицательных чисел. Пожалуйста, не стесняйтесь исправить меня. Спасибо, Палаш Нанди

Математика, лежащая в основе регуляризации хребта и регуляризации лассо

Математика, лежащая в основе регуляризации хребта и регуляризации лассо Эта запись в блоге является частью первой из серии о стратегиях выбора и разработки качественных функций для моделей контролируемого машинного обучения. «Ты то, что делаешь». "Ты то, что ты ешь." Это две из нескольких идиом, в которые я искренне верю. Как новоиспеченный специалист по данным, я верю в следующую фразу: «мусор на входе, мусор на выходе». Если входные данные вашей модели некачественные, выход..

Регуляризация в машинном обучении - объяснение!

Я должен признать, что эта конкретная концепция преследовала меня почти каждый раз, когда у меня была модель, которая отлично работала на обучающих данных, но с треском провалилась на невидимых данных. Хотя большинство профессионалов в области данных используют этот метод для лучшего обобщения своих моделей, интуиция, стоящая за применением этого метода, часто теряется за алгоритмами и кодами. Так что я подумал о том, чтобы написать об этой удивительной технике и об арсенале..

Аналогия между регуляризацией модели и процессом инженерного проектирования

Алгоритм регуляризации, описанный в «Вариационное авторегуляризованное выравнивание для Sim-to-Real Control »: Имитация входных данных Обучите декодер VAE на смоделированных входных данных Обучите кодер VAE с предварительно обученным декодером на реальных входных данных Возьмите обновленные параметры симуляции из энкодера и повторите с шага 1. Этот алгоритм аналогичен процессу инженерного проектирования с упором на простоту: Соберите (или попытайтесь предсказать, т.е...

Лассо против хребта против эластичной сетки

Линейная регрессия Линейная регрессия описывает отношения между зависимой переменной и независимой переменной. Думайте об этом как о переменной X и переменной Y. Каковы некоторые предположения модели линейной регрессии? Связь между двумя переменными линейна. Все переменные многомерные нормальные. Между зависимыми переменными не так много мультиколлинеарности. Хороший способ проверить это - инфляция дисперсии. В данных практически отсутствует автокорреляция. Если вы не..

Переобучение и регуляризация — Brother in Arms

Подгонка Одна из проблем, с которой обычно сталкиваются кодировщики, заключается в том, чтобы убедиться, что их модель не подходит слишком хорошо или недостаточно. Теперь это непростая задача, потому что у вас нет конкретного ответа на этот вопрос. Тем не менее, есть несколько инструментов, таких как ваш опыт и литература по машинному обучению, которые помогут вам найти хороший ответ (не самый лучший!). Давайте поговорим о сценарии с одной функциональной переменной, в котором мы..

Все, что вам нужно знать о регуляризации

Причины переобучения и как регуляризация его улучшает Алиса : Привет, Боб !!! Я тренировал свою модель в течение 10 часов, но моя модель дает очень плохую точность, хотя она работает исключительно хорошо с данными обучения. В чем проблема? Боб: Ой !! Кажется, ваша модель переоснащается данными обучения. Вы использовали регуляризацию? Алиса: Что это? Подобные проблемы, связанные с переобучением, распространены в машинном обучении, и есть много способов избежать таких..