আমি দেখতে পাচ্ছি যে উভয় ফাংশন ডেটা মাইনিং পদ্ধতির অংশ যেমন গ্রেডিয়েন্ট বুস্টিং রেজিস্ট্রার্স। আমি দেখতে পাচ্ছি যে সেগুলিও পৃথক বস্তু।
সাধারণভাবে উভয়ের মধ্যে সম্পর্ক কীভাবে হয়?
আমি দেখতে পাচ্ছি যে উভয় ফাংশন ডেটা মাইনিং পদ্ধতির অংশ যেমন গ্রেডিয়েন্ট বুস্টিং রেজিস্ট্রার্স। আমি দেখতে পাচ্ছি যে সেগুলিও পৃথক বস্তু।
সাধারণভাবে উভয়ের মধ্যে সম্পর্ক কীভাবে হয়?
উত্তর:
একটি সিদ্ধান্ত ফাংশন এমন একটি ফাংশন যা ডেটাসেটটিকে ইনপুট হিসাবে গ্রহণ করে এবং আউটপুট হিসাবে সিদ্ধান্ত দেয়। সিদ্ধান্ত কী হতে পারে তা হাতের সমস্যার উপর নির্ভর করে। উদাহরণ অন্তর্ভুক্ত:
সাধারণত, একটি সমস্যার জন্য উপলব্ধ অফার অসীম সংখ্যা রয়েছে। উদাহরণস্বরূপ যদি আমরা দশটি পর্যবেক্ষণ x = ( x 1 , x 2 , … , x 10 ) এর উপর ভিত্তি করে সুইডিশ পুরুষদের উচ্চতা নির্ধারণে আগ্রহী , আমরা নীচের যে কোনও সিদ্ধান্ত ফাংশন :
তাহলে কীভাবে আমরা এই সিদ্ধান্ত গ্রহণের কোনটি ব্যবহার করতে হবে তা নির্ধারণ করতে পারি? একটি উপায় হ'ল ক্ষতির ফাংশন ব্যবহার করা , যা সমস্ত সম্ভাব্য সিদ্ধান্তের সাথে যুক্ত ক্ষতি (বা ব্যয়) বর্ণনা করে। বিভিন্ন সিদ্ধান্ত ফাংশন বিভিন্ন ধরণের ভুল হতে পারে। ক্ষতির ফাংশনটি আমাদের জানায় যে কোন ধরণের ভুল সম্পর্কে আমাদের বেশি উদ্বিগ্ন হওয়া উচিত। সেরা সিদ্ধান্তের ফাংশনটি হ'ল ফাংশন যা সর্বনিম্ন প্রত্যাশিত ক্ষয় দেয় । প্রত্যাশিত ক্ষয় বলতে কী বোঝায় সেটি সেটিংয়ের উপর নির্ভর করে (বিশেষত, আমরা ঘন ঘনবাদী বা বায়সিয়ান পরিসংখ্যান নিয়ে কথা বলছি কিনা )।
সংক্ষেপে:
ক্ষতির ফাংশনটি এমন কোনও মডেলটি অর্জনের জন্য হ্রাস করা হয় যা কিছু দিক থেকে অনুকূল। মডেল নিজেই একটি সিদ্ধান্ত ফাংশন যা পূর্বাভাস ব্যবহার করা হয়।
উদাহরণস্বরূপ, এসভিএম শ্রেণিবদ্ধে: