এটি কি আর্ট রিগ্রেশন পদ্ধতিটির রাষ্ট্র?


33

আমি দীর্ঘদিন ধরে কাগল প্রতিযোগিতা অনুসরণ করছি এবং আমি বুঝতে পেরেছি যে অনেকগুলি বিজয়ী কৌশল অন্তত একটি "বড় থ্রেস" ব্যবহার করে: ব্যাগিং, উত্সাহ এবং স্ট্যাকিং।

রিগ্রেশনগুলির জন্য, এক সম্ভাব্য সর্বোত্তম রিগ্রেশন মডেল তৈরির দিকে মনোনিবেশ করার পরিবর্তে একাধিক রিগ্রেশন মডেল যেমন (জেনারালাইজড) লিনিয়ার রিগ্রেশন, এলোমেলো বন, কেএনএন, এনএন, এবং এসভিএম রিগ্রেশন মডেল তৈরি করা এবং যুক্তিসঙ্গত উপায়ে ফলাফলগুলিকে মিশ্রিত করা মনে হয় - প্রতিটি পৃথক পদ্ধতিতে অনেক বার পারফর্ম করুন।

অবশ্যই, প্রতিটি পদ্ধতির একটি দৃ understanding় বোঝার মূল বিষয় এবং একটি রৈখিক রিগ্রেশন মডেলের উপর ভিত্তি করে একটি স্বজ্ঞাত গল্প বলা যেতে পারে তবে আমি ভাবছি যে সেরা সম্ভাব্য ফলাফলগুলি অর্জনের জন্য এটি যদি শিল্প পদ্ধতির রাজ্যে পরিণত হয়েছে কিনা।


কিছু ক্ষেত্রে, নিউরাল নেটওয়ার্ক রিগ্রেশন করার "ক্লাসিক" পদ্ধতির ভালভাবে সংজ্ঞা দেয়। উদাহরণস্বরূপ, কতটা বৃষ্টি হয়েছিল II । তবে এটি অবশ্যই একটি কালো বাক্স।
ওয়াইসিআর

@ ওয়াইসিআর আমি সম্মতি জানাই এটি একটি ব্ল্যাকবক্স। কাজের সময় আমি কিছু দুর্দান্ত মেশিন লার্নিং মডেল তৈরি করেছি এবং ব্যবসায়িক লোকদের বা মডেলটির সাথে পরিচিত না এমন কাউকে বোঝানোর চেষ্টা করেছি, কথোপকথনটি সাধারণত এইভাবেই শেষ হয়: আমি একটি দুর্দান্ত মেশিন লার্নিং মডেল তৈরি করেছি, এটি ম্যাজিকের মতো কাজ করে তবে আমি আপনাকে একটি আকর্ষণীয় গল্প বলতে পারি না।
ম্যাক্সারেও

উত্তর:


41

এটা 'অন্তত প্রয়াত 1960 সাল থেকে সুপরিচিত হয়, যে যদি আপনি বিভিন্ন পূর্বাভাস নেওয়া এবং গড় তাদের, তারপর অনেক ক্ষেত্রে ফলে সমষ্টিগত পূর্বাভাস পৃথক পূর্বাভাস সুখ্যাতি হবে। ব্যাগিং, বুস্টিং এবং স্ট্যাকিং সবই এই ধারণার উপর ভিত্তি করে। সুতরাং হ্যাঁ, যদি আপনার লক্ষ্যটি নির্ভুলভাবে পূর্বাভাস হয় তবে বেশিরভাগ ক্ষেত্রে এটি আপনার পক্ষে সবচেয়ে ভাল। এই পদ্ধতিটি সম্পর্কে সমস্যাযুক্ত হ'ল এটি একটি কালো-বাক্স পদ্ধতির যা ফলাফলটি দেয় কিন্তু এটি বুঝতে এবং এটি ব্যাখ্যা করতে আপনাকে সহায়তা করে না। স্পষ্টতই, এটি অন্য যে কোনও পদ্ধতির তুলনায় আরও গণনামূলক নিবিড় কারণ আপনার একক পরিবর্তনের পরিবর্তে কয়েকটি পূর্বাভাস গণনা করতে হবে।

Any এটি সাধারণভাবে কোনও পূর্বাভাস সম্পর্কে উদ্বেগ প্রকাশ করে তবে এটি প্রায়শই পূর্বাভাসের সাহিত্যে বর্ণিত হয়।


উইঙ্কলার, আরএল। এবং মাক্রিডাকিস, এস। (1983)। পূর্বাভাসের সংমিশ্রণ। জেআর স্ট্যাটিস। SOC। উঃ 146 (2), 150-157।

মাক্রিডাকিস, এস এবং উইঙ্কলার, আরএল (1983)। পূর্বাভাসের গড়: কিছু পরীক্ষামূলক ফলাফল। পরিচালনা বিজ্ঞান, 29 (9) 987-996।

ক্লেম্যান, আরটি (1989)। পূর্বাভাসের সংমিশ্রণ: একটি পর্যালোচনা এবং এনটোটেড গ্রন্থাগার। পূর্বাভাসের আন্তর্জাতিক জার্নাল, 5, 559-583।

বেটস, জেএম এবং গ্রেঞ্জার, সিডাব্লু (1969)। পূর্বাভাসের সংমিশ্রণ। বা, 451-468।

মাক্রিডাকিস, এস এবং হিবন, এম (2000)। এম 3-প্রতিযোগিতা: ফলাফল, সিদ্ধান্ত এবং জড়িত। পূর্বাভাসের আন্তর্জাতিক জার্নাল, 16 (4), 451-476।

রিড, ডিজে (1968)। মোট দেশীয় পণ্যের তিনটি অনুমানের সংমিশ্রণ। ইকোনমিকিকা , 431-444।

মাক্রিডাকিস, এস।, স্পিলিওটিস, ই।, এবং আসিমাকোপল্লোস, ভি। (2018)। এম 4 প্রতিযোগিতা: ফলাফল, ফলাফল, উপসংহার এবং এগিয়ে যাওয়ার উপায়। পূর্বাভাসের আন্তর্জাতিক জার্নাল।


1
ছদ্মবেশী পাদটীকার লিঙ্কটি আমার পক্ষে কাজ করে না বলে মনে হচ্ছে?
সিলভারফিশ

@ সিলভারফিশ ধন্যবাদ, স্থির। লিঙ্কটি সামান্য গুরুত্বপূর্ণ ছিল তবে এখনও, যদি এটি কাজ না করে তবে এটি অকেজো।
টিম

0

আর্থারের (1994) একটি জটিল ছোট কাগজ / চিন্তার পরীক্ষা রয়েছে যা জটিলতার সাহিত্যে সুপরিচিত।

একটি সিদ্ধান্তে এই সিদ্ধান্ত নেওয়া হয় যে এজেন্টরা ভারসাম্যহীন অবস্থার অধীনে আরও ভাল ভবিষ্যদ্বাণীমূলক মডেলগুলি (যদিও তাদের একটি "বন" রয়েছে) বেছে নিতে পারে না। উদাহরণস্বরূপ, যদি প্রশ্নটি শেয়ার বাজারের পারফরম্যান্সে প্রয়োগ করা হয় তবে আর্থার (1994) এর সেটিংস প্রযোজ্য হতে পারে।

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.