সীমাবদ্ধ নির্ভুলতা কেন মেশিন লার্নিংয়ে সমস্যা?

উত্তর:

4

সুনির্দিষ্ট নির্ভুলতা হল এমন একটি সংখ্যার দশমিক প্রতিনিধিত্ব যা গোল বা কাটা হয়েছে। অনেক ক্ষেত্রেই এটি প্রয়োজনীয় বা উপযুক্ত হতে পারে। উদাহরণস্বরূপ 1/3 এবং ট্রান্সসেন্টেন্টাল সংখ্যা এবং দশমিক দশমিক উপস্থাপনা রয়েছে। প্রোগ্রামিং ল্যাঙ্গুয়েজ সি-তে, একটি দ্বিগুণ মান 8 বিট এবং প্রায় 16 ডিজিটের যথাযথ। এখানে দেখো.eπ

http://www.learncpp.com/cpp-tutorial/25-floating-point-numbers/

একটি (সসীম) কম্পিউটারে এই সংখ্যার একটিকে দৃ concrete়ভাবে উপস্থাপন করার জন্য অবশ্যই কিছুটা আপস করতে হবে। আমরা .৩৩৩৩৩৩৩৩৩ হিসাবে 1/3 থেকে 9 টি সংখ্যা লিখতে পারি যা 1/3 এর চেয়ে কম।

এই আপসগুলি গাণিতিক ক্রিয়াকলাপগুলির সাথে আরও জোরদার। অস্থির অ্যালগরিদমগুলি গাণিতিক ত্রুটিগুলির প্রবণ। এজন্য এসভিডি প্রায়শই পিসিএ (কোভেরিয়েন্স ম্যাট্রিক্সের অস্থিরতা) গণনা করতে ব্যবহৃত হয়।

http://www.sandia.gov/~smartin/presentations/SMartin_Stability.pdf

https://en.wikipedia.org/wiki/Numerical_stability

নিষ্পাপ বেয়েস শ্রেণিবদ্ধে আপনি প্রায়শই দেখতে পাবেন যে গুণটি লোগারিদমের সমষ্টিতে রূপান্তরিত হয়েছে, যা গোলাকার ত্রুটিগুলির প্রবণতা কম।

https://en.wikipedia.org/wiki/Naive_Bayes_classifier#Multinomial_naive_Bayes

ধন্যবাদ। আপনি কীভাবে পিসিএতে এসভিডি সমস্যা সমাধান করেন এবং লগের যোগফল কীভাবে সমস্যা হ্রাস করে তা ব্যাখ্যা করতে পারেন? নিষ্পাপ বেয়েস শ্রেণিবদ্ধে এই লগগুলির যোগফল কোথায় ব্যবহৃত হয়?
— জর্জঅফTheআরএফ 9:55
এগুলি গভীরতার প্রশ্নগুলিতে আরও বেশি, তবে আমি কিছু পয়েন্টার সরবরাহ করতে পারি। এটি "সমাধান করে" কারণ আপনি এসভিডি থেকে পিসিএ অর্জন করতে পারেন। একটি চমৎকার নিবন্ধের জন্য এখানে দেখুন: arxiv.org/pdf/1404.1100.pdf । এসভিডিটিকে প্রাধান্য দেওয়া হয় কারণ এর গণনায় কোভারিয়েন্স ম্যাট্রিক্সের অভাব রয়েছে। নিষ্পাপ বেয়েজে লগগুলির যোগফল: blog.datumbox.com/…
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.