Публикации по теме 'regularization'


Различные формы регуляризации и их эффекты
Введение Это продолжение моей предыдущей дилетантской и загадочной статьи - Небольшая заметка о регуляризации . В статье сделано то, что обещано, но этого недостаточно, чтобы ответить на вопросы - что делает регуляризация и почему она работает, когда соответствующая модель без регуляризации не работает? Цель этой статьи - попытаться ответить на эти вопросы, используя линейную алгебру (нормальные уравнения) и статистику (компромисс оценок смещения и дисперсии). Предположим, что..
Введение в регуляризацию
Это то, что делает ваши обученные модели действительно пригодными для использования. Переоснащение — бич любого специалиста по данным. Нет ничего более разочаровывающего, чем скрупулёзное построение модели, которая высоко оценивается на обучающих данных только для того, чтобы она давала некачественные характеристики при использовании на тестовых данных. Пользователи могут избежать этого, используя регуляризацию, один из наиболее эффективных методов предотвращения переобучения...
Понимание регуляризации | Машинное обучение
Регуляризация — это метод, используемый в машинном обучении для предотвращения переобучения, которое происходит, когда модель слишком хорошо обучена на обучающих данных и плохо работает на новых, невидимых данных. Идея регуляризации заключается в добавлении штрафного члена к функции потерь, которую модель пытается минимизировать. Этот штрафной срок препятствует тому, чтобы модель придавала слишком большое значение какой-либо одной функции, и помогает удержать модель от переобучения..
Демистификация регуляризации и стандартизации
Введение . В области машинного обучения и статистики есть два основных метода, которые играют решающую роль в повышении производительности модели и улучшении предварительной обработки данных: регуляризация и стандартизация . Эти методы широко используются для решения общих проблем, таких как переобучение и масштабирование данных. В этом блоге мы углубимся в концепции регуляризации и стандартизации, предоставив простое объяснение вместе с соответствующими формулами для понимания их..
Преодоление препятствий в машинном обучении с помощью регуляризации.
Во время практики машинного обучения возникает множество препятствий. Одним из таких является Overfitting/Underfitting, чтобы этого не происходило, мы применяем множество решений, таких как компромисс между отклонениями смещения, регуляризация и т. д. Вы можете найти недавний блог о компромиссе отклонений отклонений в конце этого. В этой статье давайте узнаем больше о регуляризации. Регуляризация — это метод корректировки весов, присвоенных функциям, чтобы уменьшить дисперсию..
Понимание GAN и как упорядочить GAN в условиях ограниченных данных (расхождение Le Cam)
В последние годы наблюдается быстрое развитие генеративно-состязательных сетей. Однако успех моделей GAN зависит от большого количества обучающих данных. Давайте рассмотрим стратегию регуляризации для обучения надежных моделей GAN на разреженных данных. Прежде чем начать, позвольте мне дать краткое введение в GAN. Что такое Генеративный? По сути, генеративная модель означает, что вы нанесли на карту распределение вероятностей самих данных. В случае изображений это означает, что есть..
Как использовать регуляризацию лассо для ранжирования независимых переменных по важности
Как использовать регуляризацию лассо для определения наиболее важных независимых переменных Одна из основных проблем построения модели линейной регрессии - выбор независимых переменных. При работе с большими наборами данных может быть легко получить огромное количество независимых переменных после очистки данных и создания фиктивных переменных. Один из способов построения регрессионной модели - начать с простого - выбрать только несколько независимых переменных и выполнить итерацию,..