কেন শক্তি বা লগ রূপান্তরগুলি মেশিন লার্নিংয়ে বেশি শেখানো হয় না?

Question

মেশিন লার্নিং (এমএল) ভারীভাবে লিনিয়ার এবং লজিস্টিক রিগ্রেশন কৌশল ব্যবহার করে। এছাড়া বৈশিষ্ট্য ইঞ্জিনিয়ারিং কৌশল (উপর নির্ভর feature transform, kernelইত্যাদি)।

এমএল-তে (উদাঃ ) সম্পর্কে কিছুই উল্লেখ করা হয়নি কেন ? (উদাহরণস্বরূপ, বৈশিষ্ট্যগুলিতে রুট বা লগ নেওয়ার বিষয়ে আমি কখনই শুনি না, তারা সাধারণত কেবল বহুপদী বা আরবিএফ ব্যবহার করে)) একইভাবে, এমএল বিশেষজ্ঞরা নির্ভরশীল ভেরিয়েবলের জন্য বৈশিষ্ট্য রূপান্তরের বিষয়ে কেন চিন্তা করেন না? (উদাহরণস্বরূপ, আমি y এর লগ রূপান্তর নেওয়ার বিষয়ে কখনও শুনি না; তারা কেবল y রুপান্তরিত করে না))variable transformationpower transformation

সম্পাদনা: সম্ভবত প্রশ্নটি অবশ্যই না, আমার সত্যি প্রশ্নটি "এমএল-তে ভেরিয়েবলগুলিতে পাওয়ার ট্রান্সফর্মেশন কি গুরুত্বপূর্ণ নয়?"

Comments

আমি জানতে চাই কেন এটিকে নিম্নমানের করা হয়েছিল; এটি আসলে একটি আকর্ষণীয় প্রশ্ন।

— শ্যাডটলকার

আমি মনে করি বেশিরভাগ লোকেরা তাদের প্রথম এমএল কোর্সের আগে একটি লিনিয়ার রিগ্রেশন কোর্স গ্রহণ করত। অবশ্যই, স্টক এলআর কোর্সে এই বিষয়গুলির একটি অধ্যায় থাকবে (রূপান্তর)। বিটিডব্লিউ, আমি প্রশ্নটিকে হ্রাস করিনি।

— ব্যবহারকারীর 603

Answer 1

কুহন এবং জনসন রচিত অ্যাপ্লাইড প্রিডিকটিভ মডেলিং বইটি বক্স-কক্স সহ ভেরিয়েবল ট্রান্সফর্মেশন সম্পর্কিত একটি বৃহত বিভাগ সহ একটি অত্যন্ত সম্মানিত ব্যবহারিক মেশিন লার্নিং বই। লেখকরা দাবি করেছেন যে অনেকগুলি মেশিন লার্নিং অ্যালগরিদমগুলি আরও ভালভাবে কাজ করে যদি বৈশিষ্ট্যগুলিতে সমন্বিত এবং ইউনিমোডাল বিতরণ থাকে। এর মতো বৈশিষ্ট্যগুলি রূপান্তর করা "ফিচার ইঞ্জিনিয়ারিং" এর একটি গুরুত্বপূর্ণ অঙ্গ।

Answer 2

আমার নিজের দৃষ্টিকোণ থেকে, প্রায়শই আমি শর্তসাপেক্ষ গড়ের চেয়ে প্রতিক্রিয়াশীল ভেরিয়েবলের ভবিষ্যদ্বাণীপূর্ণ বিতরণে আগ্রহী, এবং সেক্ষেত্রে লক্ষ্য বন্টনকে আরও সঠিকভাবে উপস্থাপন করার সম্ভাবনাটি ব্যবহার করা ভাল। উদাহরণস্বরূপ, আমি ভ্যাক্টর রিগ্রেশনকে সমর্থন করার পরিবর্তে (বলুন) কার্নেলাইজড লিনিয়ার মডেলগুলি ব্যবহার করতে চাই , কারণ আমি চাইলে আমি পোইসন সম্ভাবনাটি ব্যবহার করতে পারি। যেহেতু প্রচুর মেশিন লার্নিং লোকে বায়েশিয়ান, আমি সন্দেহ করি যে পরিবর্তনের পরিবর্তে আলাদা সম্ভাবনা ব্যবহার করা আরও মার্জিত মনে হবে (উপযুক্ত সম্ভাবনা বেছে নেওয়া সাধারণত প্রথম পদক্ষেপ)।

Answer 3

এখানে আমার পরবর্তী চিন্তা।

আমি মনে করি এটি এমএল হ'ল মূলত শ্রেণিবদ্ধকরণের সাথে কাজ করে, এবং শ্রেণিবিন্যাসের y রূপান্তরকরণের দরকার নেই (y শ্রেণীবদ্ধ)। এমএল সাধারণত বৃহত্তর স্বতন্ত্র ভেরিয়েবলগুলি (যেমন এনএলপিতে হাজার হাজার) ডিল করে এবং লজিস্টিক রিগ্রেশনকে স্বাভাবিকতার প্রয়োজন হয় না; আমি মনে করি সে কারণেই তারা গতি বিবেচনার কারণে বাক্স-কক্স পাওয়ার ট্রান্সফর্মেশন ব্যবহার করে না। (দ্রষ্টব্য: আমি পাওয়ার ট্রান্সফর্মেশনের সাথে পরিচিত নই।)