Публикации по теме 'regularization'


Методы борьбы с переоснащением
1. Перекрестная проверка Во время обучения алгоритма часть набора данных используется для проверки производительности модели (это отличается от набора данных для тестирования, который используется после завершения обучения). Этот процесс называется перекрестной проверкой. Очень популярным типом перекрестной проверки является K-кратная перекрестная проверка, при которой в самих обучающих данных выполняется K-кратное тестирование. Здесь можно использовать среднюю точность K итераций..
Dropout: простой способ предотвратить переобучение нейронных сетей
Объяснение документов Dropout: простой способ предотвратить переобучение нейронных сетей В статье объясняется статья Dropout Srivastava et al. (2014) Мы изучим метод предотвращения переобучения в нейронной сети — отсев , объяснив статью Отсев: простой способ предотвратить переобучение нейронных сетей . Документ был опубликован Шриваставой и др. в 2014. Глубокие нейронные сети — это очень мощные системы машинного обучения, но они склонны к переобучению. Большие..
Регуляризация | минутное введение
Это обычный термин во многих концепциях машинного обучения. В некотором смысле почти все новые модели машинного обучения просто пытаются найти новые способы выполнения регуляризации, особенно быстрее или с меньшими вычислительными ресурсами. Почему? Если просто слепо тренировать контролируемую модель глубокого обучения на множестве данных в течение длительного времени, есть большая вероятность, что модель просто запомнит сложные шаблоны обучающих данных и, следовательно, не хорошо..
Регрессия LASSO — Использование Python с нуля
Регрессия LASSO — это метод контролируемой и регуляризации, используемый для уменьшения дисперсии и выбора признаков. LASSO расшифровывается как Оператор наименьшего абсолютного сокращения и выбора . Это помогает упорядочить модель, выбирая релевантные функции и уменьшая нерелевантные функции — отсюда и название предполагает «Уменьшение и выбор». Прежде чем углубиться в концепцию, сначала нам нужно понять определение регуляризации. Регуляризация - это метод предотвращения..
Понимание переоснащения и регуляризации в машинном обучении
Введение Машинное обучение произвело революцию в подходе к решению проблем и анализу данных. Однако, каким бы мощным он ни был, он не застрахован от ловушек. Одной из наиболее распространенных проблем в машинном обучении является переобучение, которое может привести к получению неточных и ненадежных моделей. На помощь приходят методы регуляризации, предлагающие способ смягчить переобучение и построить более надежные и обобщаемые модели. В этом посте мы углубимся в концепции..
Логистическая регрессия — Полное руководство
Единственное руководство, необходимое для изучения логистической регрессии Введение В этом блоге мы сосредоточимся на контролируемом алгоритме машинного обучения, называемом логистической регрессией. Мы рассмотрим различные типы логистической регрессии, математический вывод, регуляризацию (L1 и L2), а также лучшие и худшие варианты использования логистической регрессии. Наконец, мы узнаем о сложностях времени и пространства логистической регрессии. Примечание. Если какое-либо..
GLR с Python и библиотекой scikit-learn
Машинное обучение Линейная регрессия с Python и библиотекой scikit-learn Введение в обобщенную линейную регрессию Одним из наиболее часто используемых инструментов в машинном обучении, статистике и прикладной математике в целом является инструмент регрессии. Я говорю о регрессии, но существует множество регрессионных моделей, и одна из них, которую я попытаюсь здесь рассмотреть, - это хорошо известная обобщенная линейная регрессия. Идея этого сложного слова довольно проста:..