সঠিক স্কোরিং নিয়মের মধ্যে নির্বাচন করা


22

সঠিক স্কোরিং নিয়মের বেশিরভাগ সংস্থানগুলিতে লগ-ক্ষতি, বেরিয়ার স্কোর বা গোলাকৃতির স্কোরিংয়ের মতো বিভিন্ন স্কোরিং নিয়মের উল্লেখ রয়েছে। তবে তারা প্রায়শই তাদের মধ্যে পার্থক্য সম্পর্কে খুব বেশি দিকনির্দেশনা দেয় না। (প্রদর্শনী এ: উইকিপিডিয়া ।)

লগারিদমিক স্কোরকে সর্বাধিক করে তোলে এমন মডেলটি বাছাই করা সর্বাধিক সম্ভাবনার মডেল বাছাইয়ের সাথে মিলে যায়, যা লগারিদমিক স্কোরিং ব্যবহারের জন্য ভাল যুক্তির মতো বলে মনে হয়। বেরিয়ার বা গোলাকার স্কোরিং বা অন্যান্য স্কোরিং বিধিগুলির জন্য কি একই রকম ন্যায়সঙ্গততা রয়েছে? কেন কেউ লগারিদমিক স্কোরিংয়ের পরিবর্তে এর মধ্যে একটি ব্যবহার করবেন?


2
কিছু ইঙ্গিত নামকরণ হয়। "ব্যয় কার্যকারী" অপটিমাইজেশন বা অনুকূল নিয়ন্ত্রণ সিস্টেম ইঞ্জিনিয়ারিং থেকে। কোনও "সেরা" নেই। "ভাল" থাকার অর্থ আপনার অবশ্যই ধার্মিকতার পরিমাণ থাকতে হবে। সদাচারণের ব্যবস্থা নিয়ে অসীম সংখ্যক পরিবার রয়েছে। একটি তুচ্ছ উদাহরণটি: সর্বোত্তম পথটি কী? আপনি যদি মৃত্যুদন্ড কার্যকর করছেন - এটি একটি দীর্ঘ আনন্দদায়ক করুন। আপনি যদি আপনার ক্ষেত্রের ধাতুতে যাচ্ছেন তবে এটিকে সংক্ষিপ্ততম করুন। সিস্টেম দক্ষতা আপনাকে ধার্মিকতার পরিমাপ নির্বাচন করতে সহায়তা করে। যখন আপনার মঙ্গলতার পরিমাপ থাকে, তখন আপনি "সেরা" খুঁজে পেতে পারেন।
এনগ্রিস্টুডেন্ট - মনিকা


1
আমি শিরোনামটিকে আরও সুনির্দিষ্ট / তথ্যমূলক করার জন্য স্বাধীন করার স্বাধীনতা নিয়েছি। যদি আমি এটির ভুল ব্যাখ্যা দিয়ে থাকে তবে দুঃখিত এবং পরিবর্তনে ফিরে যেতে নির্দ্বিধায়।
রিচার্ড হার্ডি

উত্তর:


18

কেন কেউ লগারিদমিক স্কোরিংয়ের পরিবর্তে এর মধ্যে একটি ব্যবহার করবেন?

সুতরাং আদর্শিকভাবে, আমরা সবসময় কোনও সিদ্ধান্ত নেওয়া থেকে কোনও মডেল ফিটিংয়ের পার্থক্য করি । বায়েশিয়ান পদ্ধতিতে মডেল স্কোরিং এবং নির্বাচন সর্বদা প্রান্তিক সম্ভাবনা ব্যবহার করে করা উচিত । এরপরে আপনি সম্ভাব্য ভবিষ্যদ্বাণীগুলি করতে মডেলটি ব্যবহার করেন এবং আপনার ক্ষতি ফাংশন আপনাকে কীভাবে সেই ভবিষ্যদ্বাণীগুলির মধ্যে কাজ করতে হবে তা বলে।

দুর্ভাগ্যক্রমে আসল বিশ্বে, কম্পিউটেশনাল পারফরম্যান্স প্রায়শই নির্দেশ দেয় যে আমরা মডেল-নির্বাচন এবং সিদ্ধান্ত গ্রহণের সংমিশ্রণ করি এবং তাই আমাদের মডেলগুলির সাথে ফিট করার জন্য ক্ষতির ফাংশনটি ব্যবহার করি। এখানেই মডেল নির্বাচনের সাবজেক্টিভিটি কমে যায় কারণ আপনি বিভিন্ন ধরণের ভুলের জন্য কতটা ব্যয় করতে হবে তা অনুমান করতে পারেন। এর সর্বোত্তম উদাহরণ ক্যান্সারের ডায়াগনস্টিক: কারওর ক্যান্সারের সম্ভাবনা অত্যধিক মূল্যায়ন করা ভাল নয়, তবে এটি একে অপ্রত্যাশিত করা আরও খারাপ।

একদিকে যেমন, আপনি যদি স্কোরিংয়ের নিয়মটি কীভাবে বেছে নেবেন সে সম্পর্কে গাইডেন্স খুঁজছেন তবে আপনি লোকসানের ফাংশন বাছাই বা কোনও ইউটিলিটি ফাংশন ডিজাইনের বিষয়ে দিকনির্দেশনার সন্ধান করতেও পারেন, কারণ আমি মনে করি যে এই দুটি বিষয়ের সাহিত্য অনেক বেশি আরও প্রচুর।


3
1) আপনি কি বলছেন যে ব্রিয়ার স্কোরিং মূলত "ছদ্মবেশে লোকসান ফাংশন" - অর্থাৎ এটি ইউটিলিটি-ফাংশন-অজোনস্টিক স্কোরিং / তুলনা নিয়ম হিসাবে মুখোমুখি হওয়া সত্ত্বেও এটি প্রকৃতপক্ষে ব্যবহৃত হয়েছে কারণ লোকের ধরণের উপর নির্দিষ্ট পছন্দ রয়েছে মডেল ভুল করে?
বেন কুহান

২) আপনার সেটিংগুলির কোনও নির্দিষ্ট উদাহরণ রয়েছে যার মধ্যে লগ স্কোরিং (= প্রান্তিক সম্ভাবনা, যেমন আমি এটি বুঝতে পারি) সেই কারণে লগ স্কোরিংয়ের উপর দিয়ে কেউ ব্রেয়ার বা গোলাকার স্কোরিং বেছে নিতে পারে?
বেন কুহন

3) কেন সিদ্ধান্ত নেওয়ার সময় আপনার ক্ষয়ক্ষতি / ইউটিলিটি ফাংশন অনুমানগুলি প্রান্তিক সম্ভাবনার সাথে মাপসই করা এবং আপনার ক্ষতি / ইউটিলিটি ফাংশনটি ব্যবহারের চেয়ে উপযুক্তভাবে সম্পাদন করা উচিত? দেখে মনে হচ্ছে আদর্শ শেখার অ্যালগরিদমগুলির মধ্যে এইগুলির মধ্যে কোনও ফাঁক হওয়া উচিত।
বেন কুহান

3
1) হ্যাঁ। 2) ব্যক্তিগতভাবে না, না। সংগ্রহের নিয়মাবলী "কেতাদুরস্ত" এ এমএল আমি কাজ বিট নেই। রাত আনুমানিক একটি দ্রুত অকর্মা রয়ে স্কলার , মনে তারা একটি বিট সাধারণভাবে তারিখের করছি। এই কাগজটি দেখে মনে হচ্ছে এটি আপনার কাছে আকর্ষণীয় হবে। 3) পারফরম্যান্স দ্বারা আমি "গণনামূলক পারফরম্যান্স" বোঝাতে চেয়েছি, "ভবিষ্যদ্বাণীপূর্ণ পারফরম্যান্স" নয়।
অ্যান্ডি জোন্স 19
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.