বাইনারি শ্রেণিবদ্ধকরণের জন্য ক্ষতির ফাংশনগুলির মধ্যে নির্বাচন করা


18

আমি এমন সমস্যাযুক্ত ডোমেনে কাজ করি যেখানে লোকেরা প্রায়শই আরওসি-এউসি বা আভেপ (গড় নির্ভুলতা) প্রতিবেদন করে। তবে আমি সম্প্রতি এমন কাগজপত্রগুলি পেয়েছি যা পরিবর্তে লগ লসকে অনুকূল করে তোলে, অন্যরা হিন্জ লসের কথা জানায় ।

এই মেট্রিকগুলি কীভাবে গণনা করা হয় তা আমি বুঝতে পেরেছিলাম, তাদের মধ্যে থাকা বাণিজ্য সম্পর্কে বুঝতে আমার খুব কষ্ট হচ্ছে এবং এটি ঠিক কী জন্য ভাল।

যখন আরওসি-এউসি বনাম যথার্থ-পুনর্নির্ধারণের কথা আসে, তখন এই থ্রেডটি আলোচনা করে যে কীভাবে আরওসি-এউসি-সর্বাধিককরণকে লোকসান অপটিমাইজেশন মানদণ্ড ব্যবহার করে দেখা যায় যা "কমপক্ষে সত্য পজিটিভ হিসাবে একটি সত্য নেতিবাচক র‌্যাঙ্কিং "কে শাস্তি দেয় (এটি উচ্চতর হিসাবে ধরে স্কোরগুলি ধনাত্মকগুলির সাথে মিল রয়েছে)। এছাড়াও, এই অন্যান্য থ্রেড যথার্থ-পুনর্বিবেচনা মেট্রিকগুলির বিপরীতে আরওসি-এউসি সম্পর্কিত একটি সহায়ক আলোচনা সরবরাহ করে ।

তবে, কোন ধরণের সমস্যার জন্য লগ ক্ষতির চেয়ে অগ্রাধিকার পাবে, বলুন, আরওসি-এউসি , আভেপ বা দখল ক্ষতি ? সর্বাপেক্ষা গুরুত্বপূর্ণ, বাইনারি শ্রেণিবদ্ধকরণের জন্য এই ক্ষতির ফাংশনগুলির মধ্যে নির্বাচন করার সময় সমস্যার বিষয়ে কোন ধরণের প্রশ্ন জিজ্ঞাসা করা উচিত?

উত্তর:


8

বিষয়টি সম্পর্কে অত্যাধুনিক তথ্যসূত্রটি [1]। মূলত, এটি দেখায় যে আপনি যে সমস্ত ক্ষতির কাজগুলি নির্দিষ্ট করেছেন তা দ্রুত হারের সাথে বেয়েস শ্রেণিবদ্ধে রূপান্তরিত হবে।

সীমাবদ্ধ নমুনার জন্য এগুলির মধ্যে নির্বাচন করা বিভিন্ন ভিন্ন যুক্তি দ্বারা চালিত হতে পারে:

  1. আপনি যদি ইভেন্টের সম্ভাব্যতাগুলি (এবং কেবল শ্রেণিবিন্যাস নয়) পুনরুদ্ধার করতে চান তবে লজিস্টিক লগ-ক্ষতি, বা অন্য কোনও সাধারণীকরণীয় রৈখিক মডেল (প্রবিট রিগ্রেশন, পরিপূরক-লগ-লগ রিগ্রেশন, ...) প্রাকৃতিক প্রার্থী।
  2. আপনি যদি কেবল শ্রেণিবিন্যাসের দিকে লক্ষ্য রাখছেন তবে এসভিএম পছন্দসই পছন্দ হতে পারে, যেহেতু এটি শ্রেণিবদ্ধকরণ বান্ডারিতে কেবল পর্যবেক্ষণকে লক্ষ্য করে এবং দূরবর্তী পর্যবেক্ষণকে উপেক্ষা করে, ফলে অনুমিত রৈখিক মডেলের সত্যতার প্রভাবকে হ্রাস করে।
  3. আপনার যদি অনেক পর্যবেক্ষণ না হয় তবে 2 এ সুবিধাটি কোনও অসুবিধা হতে পারে।
  4. গণ্যগত পার্থক্য থাকতে পারে: উল্লিখিত অপ্টিমাইজেশান সমস্যা এবং বিশেষায়িত প্রয়োগে আপনি উভয়ই ব্যবহার করছেন।
  5. নীচের লাইন - আপনি কেবল এগুলি সব চেষ্টা করতে পারেন এবং সেরা অভিনয়কারীর চয়ন করতে পারেন।

[1] বারলেটলেট, পিটার এল, মাইকেল আমি জর্ডান, এবং জন ডি ম্যাকআলিফ। "জঘন্যতা, শ্রেণিবিন্যাস এবং ঝুঁকিপূর্ণ সীমা।" আমেরিকান স্ট্যাটিস্টিকাল অ্যাসোসিয়েশন 101 এর জার্নাল, নং। 473 (মার্চ 2006): 138–56। ডোই: 10.1198 / 016214505000000907।

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.