আমি কোর্সেরা উপাদান ব্যবহার করে মেশিন লার্নিং শেখার চেষ্টা করছিলাম । এই বক্তৃতায় অ্যান্ড্রু এনজি লিনিয়ার রিগ্রেশন মডেলের সহগগুলি খুঁজে পেতে গ্রেডিয়েন্ট বংশদ্ভুত অ্যালগরিদম ব্যবহার করে যা ত্রুটি ফাংশন (ব্যয় ফাংশন) হ্রাস করবে।
লিনিয়ার রিগ্রেশন জন্য, আমাদের কি গ্রেডিয়েন্ট বংশোদ্ভূত দরকার? দেখে মনে হচ্ছে যে আমি ত্রুটিযুক্তভাবে ত্রুটি ফাংশনটিকে আলাদা করতে এবং এটি সহগের জন্য সমাধানের জন্য শূন্যে সেট করতে পারি; এটা কি সঠিক?
3
1700 এর দশক থেকে লিনিয়ার মডেলগুলি বেশ ভালভাবে পরিচালিত হয়েছে। এগুলি পরিচালনা করার জন্য অনেকগুলি উপায় রয়েছে যা গ্রেডিয়েন্ট বংশোদ্ভূত (জিডি) প্রয়োজন হয় না। এমন ননলাইনার মডেল রয়েছে যেখানে এই পদ্ধতিগুলির বেশিরভাগই তাদের মুখের উপর ফ্ল্যাট পড়ে। অ্যান্ড্রু আপনাকে একটি অতি সাধারণ সমস্যার বিরুদ্ধে অপরিচিত তবে খুব দরকারী পদ্ধতিটি ব্যবহার করে তুলছে যাতে আপনি আপনার পদ্ধতির ডিবাগ করতে পারেন। আপনি যখন পদ্ধতির সাথে ভাল হন আপনি অত্যাশ্চর্য ননলাইনার সমস্যায় এটি প্রয়োগ করতে পারেন যার ফলস্বরূপ জিডি হ'ল একমাত্র পদ্ধতি।
—
এনগ্রিস্টুডেন্ট - মনিকা
না, আপনাকে গ্রেডিয়েন্ট বংশদ্ভুতের মতো পন্থাগুলি ব্যবহার করতে হবে না (এটি কোনও ক্ষেত্রেই সর্বোত্তম পদ্ধতি নয়)। আপনি প্রস্তাবিত হিসাবে বিশ্লেষণাত্মকভাবে এটি সমাধান করতে পারেন; আপনি প্রতিটি প্যারামিটারের সাথে সম্মানের সাথে পার্থক্য করেন, যাতে আপনি প্রতিটি প্যারামিটারের জন্য একটি সমীকরণ পান। তবে এটি সহজ উপায়গুলি সমাধান করতে কার্যকর যা অন্যান্য উপায়ে করা যেতে পারে; যদি আপনি উত্তরটি ইতিমধ্যে জানেন তবে আপনি গ্রেডিয়েন্ট বংশোদ্ভূত সঙ্গে সঠিক উত্তর পাওয়ার সময় নিশ্চিত হতে পারেন।
—
গ্লেন_বি -রিনস্টেট মনিকা
যদি ব্যয় ফাংশনটি স্বাভাবিক চতুষ্কোণ ('দূরত্ব') জরিমানা হয়, তবে একটি বন্ধ ফর্ম সমাধান রয়েছে। তবে গ্রেডিয়েন্ট বংশদ্ভুত সাধারণত খুব দ্রুত হয়, এজন্য এটি সাধারণত ব্যবহৃত হয়।
—
অ্যাগিনেস্কে
তদ্ব্যতীত, গ্রেডিয়েন্ট বংশোদ্ভূত বিশ্লেষণাত্মকভাবে জটিলতাযুক্ত সমস্যার সংখ্যাগত সমাধানগুলি খুঁজতে ব্যবহার করা যেতে পারে। আমি সন্দেহ করব যে তিনি প্রথমে গ্রেডিয়েন্ট বংশোদ্ভূত ব্যবহার করেন যাতে এটি ব্যবহার করতে পারেন। আমি বিশ্বাস করি তিনি তখন নিউরাল নেট দিয়ে গ্রেডিয়েন্ট বংশদ্ভুত ব্যবহার করেন। স্নায়বিক নেট পরিস্থিতি আরও জটিল বলে বলাই বাহুল্য। আমি মনে করি একটি পাঠ্যক্রমিক পরিস্থিতি থেকে, লিনিয়ার মডেলগুলির সাথে তাদের আগে দেখেছিলে, নিউরাল নেটগুলির সাথে ব্যবহারের জন্য গ্রেডিয়েন্ট বংশোদ্ভূত আরো যুক্তিসঙ্গত বলে মনে হয়।
—
অ্যাগিনেস্কে
আমি বেশ কয়েকটি দেখেছি আন্দ্রে এনজি ভিডিওতে টিটি লিঙ্ক পোস্ট করার জন্য ধন্যবাদ। আমি ইতিমধ্যে এটি জানতাম, যদিও এই চূড়ান্ত নয়, তবে এটি দেখতে ভয়ঙ্কর যে "সংখ্যাগরিষ্ঠ লোকেরা" শেখার "অপ্টিমাইজেশন কী শিখছে, তাদের মধ্যে কমপক্ষে কিছু পরিসংখ্যানগত কম্পিউটিং সম্পর্কে কী শিখছে তা উল্লেখ না করে। এসভিডি কম্পিউটিং এবং ব্যবহারের পথিকৃৎ জিন গোলব তার স্টানফোর্ড কম্পিউটার সায়েন্স ডিপার্টমেন্টে এখন কী শেখানো হচ্ছে তা যদি তিনি জানতেন তবে তাঁর সমাধিতে ঘুরপাক খাচ্ছিল। "মজার" ভিডিওটি ইউটিউব.ওউচ? বি বিভিসকেমিগি 8 ই , যা সর্বনিম্ন স্কোয়ারের জন্য 2 টি ওয়ার্ল্ড অ্যালগরিদমগুলির প্রস্তাব এবং তুলনা করুন
—
মার্ক এল স্টোন