বিকল্প ব্যাখ্যা হিসাবে, নিম্নলিখিত স্বজ্ঞাত বিবেচনা করুন:
কোনও ত্রুটি হ্রাস করার সময়, আমাদের অবশ্যই সিদ্ধান্ত নিতে হবে যে এই ত্রুটিগুলিকে কীভাবে শাস্তি দেওয়া যায়। প্রকৃতপক্ষে, দণ্ডিত ত্রুটিগুলির পক্ষে সবচেয়ে সরল পদ্ধতি হ'ল linearly proportional
পেনাল্টি ফাংশনটি ব্যবহার করা । যেমন একটি ফাংশন সঙ্গে, গড় থেকে প্রতিটি বিচ্যুতি একটি আনুপাতিক সম্পর্কিত ত্রুটি দেওয়া হয়। দ্বিগুণ গড় থেকে দ্বিগুণ পেনাল্টির ফলস্বরূপ ।
আরও সাধারণ পদ্ধতির squared proportional
মধ্য থেকে বিচ্যুতিগুলির মধ্যে সম্পর্ক বিবেচনা করা এবং এর সাথে সম্পর্কিত জরিমানা। এই নিশ্চিত করুন যে করতে হবে আরও আপনি কি বোঝাতে চেয়েছেন থেকে দূরে হয়, আনুপাতিকভাবে আরো আপনি শাস্তি হবে না। এই পেনাল্টি ফাংশনটি ব্যবহার করে, বিদেশী (গড় থেকে অনেক দূরে) গড়ের কাছাকাছি পর্যবেক্ষণের তুলনায় আনুপাতিকভাবে আরও তথ্যপূর্ণ বলে মনে করা হয়।
এর দৃশ্যধারণের জন্য, আপনি সহজেই জরিমানার কার্যগুলি প্লট করতে পারেন:
এখন বিশেষত যখন রেগ্রেশনগুলির অনুমানের বিবেচনা (যেমন ওএলএস), বিভিন্ন জরিমানা ফাংশনগুলি বিভিন্ন ফলাফল অর্জন করবে। linearly proportional
পেনাল্টি ফাংশনটি ব্যবহার করে, পেনাল্টি ফাংশনটি ব্যবহার করার চেয়ে রিগ্রেশনটি বহিরাগতদের কম ওজন নির্ধারণ করবে squared proportional
। মেডিয়ান অ্যাবসোলিউট ডেভিয়েশন (এমএডি) তাই আরও শক্তিশালী অনুমানকারী হিসাবে পরিচিত । সাধারণভাবে, তাই এটির ক্ষেত্রে দৃ esti় হিসাবরক্ষক বেশিরভাগ ডেটা পয়েন্ট ভালভাবে ফিট করে তবে বিদেশীদের 'উপেক্ষা' করে। তুলনায় তুলনায় তুলনামূলকভাবে কমপক্ষে স্কোয়ারগুলি আরও বেশি টানা থাকে li তুলনার জন্য এখানে একটি দৃশ্যায়ন রয়েছে:
এখন যদিও ওএলএস বেশ মানসম্পন্ন, বিভিন্ন পেনাল্টি ফাংশনগুলি অবশ্যই ব্যবহৃত হয়। উদাহরণ হিসাবে, আপনি মতলবের রোবস্টিফ ফাংশনটি একবার দেখে নিতে পারেন যা আপনাকে আপনার প্রতিরোধের জন্য আলাদা পেনাল্টি (যা 'ওজন' নামেও পরিচিত) ফাংশন বেছে নিতে দেয়। এই জরিমানা কার্যক্রমে অ্যান্ড্রু, বিস্কুয়ার, কৌকি, ফর্সা, হুবার, লজিস্টিক, ওলস, তালোয়ার এবং ওয়েলশ অন্তর্ভুক্ত রয়েছে। তাদের সম্পর্কিত অভিব্যক্তি ওয়েবসাইটটিতেও পাওয়া যাবে।
আমি আশা করি এটি আপনাকে পেনাল্টি ফাংশনগুলির জন্য আরও কিছুটা অন্তর্দৃষ্টি পেতে সহায়তা করবে :)
হালনাগাদ
আপনার যদি মতলব থাকে তবে আমি মতলবের রোবস্টডেমো নিয়ে খেলতে সুপারিশ করতে পারি , যা বিশেষত স্বল্পতম বর্গক্ষেত্রকে শক্তিশালী প্রতিরোধের সাথে তুলনা করার জন্য তৈরি করা হয়েছিল:
ডেমো আপনাকে স্বতন্ত্র পয়েন্টগুলি টেনে আনতে এবং তাত্ক্ষণিকভাবে সাধারণ ন্যূনতম স্কোয়ার এবং শক্তিশালী রিগ্রেশন উভয়ের উপর প্রভাব দেখতে দেয় (যা শিক্ষার উদ্দেশ্যে উপযুক্ত!)।