Câu hỏi được gắn thẻ «overfitting»

Lỗi mô hình hóa (đặc biệt là lỗi lấy mẫu) thay vì mối quan hệ có thể lặp lại và thông tin giữa các biến giúp cải thiện số liệu thống kê phù hợp với mô hình, nhưng làm giảm tính phân tích và làm xấu đi tính hợp lệ giải thích và dự đoán.

2
Một người (về mặt lý thuyết) có thể đào tạo một mạng lưới thần kinh với ít mẫu đào tạo hơn trọng lượng không?
Trước hết: Tôi biết, không có số lượng kích thước mẫu chung cần thiết để đào tạo một mạng lưới thần kinh. Nó phụ thuộc vào cách quá nhiều yếu tố như độ phức tạp của nhiệm vụ, tiếng ồn trong dữ liệu và như vậy. Và tôi càng có …

1

1
Làm thế nào để chọn phù hợp nhất mà không cần dữ liệu quá phù hợp? Mô hình hóa phân phối lưỡng kim với N hàm thông thường, v.v.
Tôi có một sự phân phối rõ ràng của các giá trị, mà tôi tìm cách phù hợp. Dữ liệu có thể phù hợp tốt với 2 chức năng bình thường (bimodal) hoặc với 3 chức năng bình thường. Ngoài ra, có một lý do vật lý hợp lý để …


4
Quá mức với phân loại tuyến tính
Hôm nay giáo sư của chúng tôi đã tuyên bố trong lớp rằng "quá mức với các phân loại tuyến tính là không thể". Tôi cho rằng đó là sai, vì ngay cả các trình phân loại tuyến tính cũng có thể nhạy cảm với các ngoại lệ trong tập …



2
Lucid giải thích cho sự ổn định số của Ma trận đảo ngược Ma trận trong hồi quy sườn và vai trò của nó trong việc giảm sự phù hợp
Tôi hiểu rằng chúng ta có thể sử dụng chính quy trong bài toán hồi quy bình phương nhỏ nhất như w∗=argminw[(y−Xw)T(y−Xw)+λ∥w∥2]w∗=argminw⁡[(y−Xw)T(y−Xw)+λ‖w‖2]\boldsymbol{w}^* = \operatorname*{argmin}_w \left[ (\mathbf y-\mathbf{Xw})^T(\boldsymbol{y}-\mathbf{Xw}) + \lambda\|\boldsymbol{w}\|^2 \right] và rằng vấn đề này có một giải pháp dạng đóng như: w^=(XTX+λI)−1XTy.w^=(XTX+λI)−1XTy.\hat{\boldsymbol{w}} = (\boldsymbol{X}^T\boldsymbol{X}+\lambda\boldsymbol{I})^{-1}\boldsymbol{X}^T\boldsymbol{y}. Chúng ta thấy rằng trong …






1
Kỹ thuật phát hiện quá mức
Tôi đã có một cuộc phỏng vấn việc làm cho một vị trí khoa học dữ liệu. Trong cuộc phỏng vấn, tôi được hỏi tôi phải làm gì để đảm bảo người mẫu không bị thừa. Câu trả lời đầu tiên của tôi là sử dụng xác nhận chéo để …


Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.