Câu hỏi được gắn thẻ «regularization»

Bao gồm các ràng buộc bổ sung (thường là một hình phạt cho sự phức tạp) trong quy trình điều chỉnh mô hình. Được sử dụng để ngăn chặn quá mức / tăng cường độ chính xác dự đoán.



1
Chính quy hóa cho các mô hình ARIMA
Tôi nhận thức được LASSO, sườn và loại mạng lưới đàn hồi trong các mô hình hồi quy tuyến tính. Câu hỏi: Có thể áp dụng loại ước tính bị phạt này (hoặc tương tự) cho mô hình ARIMA (với phần MA không trống) không? pmaxpmaxp_{max}qmaxqmaxq_{max}p⩽pmaxp⩽pmaxp \leqslant p_{max}q⩽qmaxq⩽qmaxq \leqslant q_{max} …



1
Phương pháp so sánh nào được sử dụng cho mô hình lmer: lsmeans hoặc glht?
Tôi đang phân tích một tập dữ liệu bằng mô hình hiệu ứng hỗn hợp với một hiệu ứng cố định (điều kiện) và hai hiệu ứng ngẫu nhiên (người tham gia do thiết kế chủ đề và cặp bên trong). Mô hình được tạo ra với lme4gói : exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). …



2
Tại sao tổn thất định mức L2 có một giải pháp duy nhất và tổn thất định mức L1 có thể có nhiều giải pháp?
http://www.chioka.in/differences-b between-l1-and-l2-as-loss-feft-and-THERization/ Nếu bạn nhìn vào đầu bài này, người viết đề cập rằng định mức L2 có một giải pháp duy nhất và định mức L1 có thể có nhiều giải pháp. Tôi hiểu điều này về mặt chính quy hóa, nhưng không phải là về việc sử dụng …

4
Norms - Điều gì đặc biệt về
Một chỉ tiêu L1L1L_1 là duy nhất (ít nhất là một phần) vì p=1p=1p=1 nằm ở ranh giới giữa không lồi và lồi. Một chỉ tiêu L1L1L_1 là chỉ tiêu lồi 'thưa thớt nhất' (phải không?). Tôi hiểu rằng chỉ tiêu Euclide p=2p=2p=2 có nguồn gốc từ hình học và …

1
Giải pháp dạng đóng cho vấn đề Lasso khi ma trận dữ liệu là đường chéo
\newcommand{\diag}{\operatorname{diag}} Chúng tôi có vấn đề: với giả định rằng: \ sum_ {i = 1} ^ nx_ix_i ^ T = \ diag (\ sigma_1 ^ 2, ..., \ sigma_d ^ 2).minw∈Rd(1n∑i=1n(⟨w,xi⟩−yi)2+2λ||w||1),minw∈Rd(1n∑i=1n(⟨w,xi⟩−yi)2+2λ||w||1),\min_{w\in\mathbb{R}^{d}}\left( \frac{1}{n}\sum_{i=1}^{n} \left( \langle w,x_{i}\rangle-y_{i} \right)^{2} +2\lambda||w||_1\right),∑i=1nxixTi=diag(σ21,...,σ2d).∑i=1nxixiT=diag⁡(σ12,...,σd2).\sum_{i=1}^nx_ix_i^T=\diag(\sigma_1^2,...,\sigma_d^2). Có một giải pháp dạng đóng trong trường hợp này? Tôi có điều …


1
Phân rã phương sai
Trong phần 3.2 của Nhận dạng mẫu và học máy của Giám mục , ông đã thảo luận về phân rã phương sai thiên vị, nói rằng đối với hàm mất bình phương, tổn thất dự kiến ​​có thể được phân tách thành một thuật ngữ sai lệch bình phương …



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.