নিয়মিত বর্ধমান বৈশিষ্ট্য সেট পরিচালনা করা


10

আমি জালিয়াতি সনাক্তকরণ সিস্টেমে কাজ করছি। এই ক্ষেত্রে, নতুন জালিয়াতি নিয়মিত উপস্থিত হয়, যাতে চলমান ভিত্তিতে মডেলটিতে নতুন বৈশিষ্ট্য যুক্ত করতে হয়।

আমি ভাবছি এটি পরিচালনা করার সর্বোত্তম উপায় কোনটি (উন্নয়ন প্রক্রিয়ার দৃষ্টিকোণ থেকে)? বৈশিষ্ট্য ভেক্টরে কেবল নতুন বৈশিষ্ট্য যুক্ত করা এবং শ্রেণিবদ্ধকে পুনরায় প্রশিক্ষণ দেওয়া একটি নির্বোধ দৃষ্টিভঙ্গি বলে মনে হচ্ছে, কারণ পুরানো বৈশিষ্ট্যগুলি পুনরায় শেখার জন্য খুব বেশি সময় ব্যয় করা হবে।

আমি প্রতিটি বৈশিষ্ট্যের (বা সম্পর্কিত বৈশিষ্ট্যগুলির কয়েকটি) জন্য শ্রেণিবদ্ধকারীকে প্রশিক্ষণের পথে এবং তারপরে সামগ্রিক শ্রেণিবদ্ধের সাথে সেই শ্রেণিবদ্ধের ফলাফলগুলিকে একত্রিত করার পথে ভাবছি। এই পদ্ধতির কোনও ত্রুটি আছে কি? সামগ্রিক শ্রেণিবদ্ধের জন্য আমি কীভাবে একটি অ্যালগরিদম চয়ন করতে পারি?

উত্তর:


4

একটি আদর্শ বিশ্বে আপনি আপনার সমস্ত historicalতিহাসিক ডেটা ধরে রেখেছেন এবং indeedতিহাসিক ডেটা থেকে প্রত্যাহার করে নতুন বৈশিষ্ট্য সহ একটি নতুন মডেল চালান। আমি যুক্তি দিয়েছি যে এটির জন্য ব্যয় করা কম্পিউটিং সংস্থানটি আসলে বেশ কার্যকর। আসলেই কি সমস্যা?

হ্যাঁ, শ্রেণিবদ্ধদের একটি নকশা তৈরি এবং তাদের ফলাফলগুলি একত্রিত করার জন্য এটি একটি বহুল স্বীকৃত কৌশল। আপনি ঠিক নতুন বৈশিষ্ট্যগুলির সমান্তরালে একটি নতুন মডেল তৈরি করতে পারেন এবং এটির পূর্বাভাসের গড়। এটির সাথে মান যুক্ত হওয়া উচিত, তবে, নতুন এবং পুরানো বৈশিষ্ট্যগুলির মধ্যে আপনি কখনও এইভাবে ক্যাপচার করবেন না, কারণ তারা কখনই কোনও শ্রেণিবদ্ধে একসাথে উপস্থিত হবে না।


2

এখানে একটি ধারণা যা কেবল নীল থেকে বেরিয়ে গেছে - আপনি যদি র‌্যান্ডম সাবস্পেস স্যাম্পলিং ব্যবহার করেন (তবে বাস্তবে শন ওভেন ইতিমধ্যে প্রস্তাবিত) প্রতিবার নতুন কোনও বৈশিষ্ট্য উপস্থিত হওয়ার সাথে সাথে একগুচ্ছ নতুন শ্রেণিবদ্ধ প্রশিক্ষণ দেওয়ার জন্য (একটি এলোমেলো বৈশিষ্ট্য উপসেট ব্যবহার করে) বৈশিষ্ট্যগুলির নতুন সেট)। আপনি সেই মডেলগুলিকে কিছু প্রশিক্ষণের সময় বাঁচানোর জন্য নমুনার সাবসেটে প্রশিক্ষণ দিতে পারেন।

এইভাবে আপনি সম্ভবত নতুন এবং পুরানো উভয় বৈশিষ্ট্য গ্রহণ করতে এবং একই সাথে আপনার পুরাতন শ্রেণিবদ্ধকে বজায় রেখে নতুন শ্রেণিবদ্ধ করতে পারেন। আপনি এমনকি, সম্ভবত প্রতিটি শ্রেণিবদ্ধের কর্মক্ষমতা পরিমাপ করতে ক্রস বৈধকরণ কৌশল ব্যবহার করে, একটি ফুলে যাওয়া মডেল এড়াতে কিছুক্ষণ পরে সবচেয়ে খারাপ সঞ্চালনকারীদের মেরে ফেলতে সক্ষম হতে পারেন।


0

আপনি যা বর্ণনা করেন তা মেশিন লার্নিংয়ে ধারণাগুলি প্রবাহের বিভাগে আসে । এই সংক্ষিপ্ত কাগজটিতে আপনি আকর্ষণীয় এবং কার্যক্ষম আইডিয়া খুঁজে পেতে পারেন এবং এই স্লাইডগুলিতে সম্ভাব্য পদ্ধতির একটি শ্রেণীবিন্যাস পাবেন ।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.