গল্প:
আমার ঠাকুরমা হাঁটে, কিন্তু চড়েনি। কিছু ঠাকুমা করেন। এক দাদী কিলিমঞ্জারো আরোহণের জন্য বিখ্যাত ছিল ।
সেই সুপ্ত আগ্নেয়গিরি বড়। এটি এর বেস থেকে 16,000 ফুট উপরে is (আমার সাম্রাজ্যীয় ইউনিটগুলিকে ঘৃণা করবেন না)) এর শীর্ষে কখনও কখনও হিমবাহ থাকে।
যদি আপনি এমন এক বছরে আরোহণ করেন যেখানে কোনও হিমবাহ নেই, এবং আপনি শীর্ষে পৌঁছেছেন, তবে কি হিমবাহ ছিল এমনই একই শীর্ষে? উচ্চতা আলাদা। আপনার যে পথ অবলম্বন করতে হবে তা আলাদা। হিমবাহের ঘনত্ব বেশি হলে আপনি কি শীর্ষে যান? এটি এটিকে আরও একটি সাফল্য করে তোলে? প্রায় 35,000 লোক প্রতি বছর এটি আরোহণের চেষ্টা করে তবে প্রায় 16,000 জনই সফল হয়।
অ্যাপ্লিকেশন:
সুতরাং আমি আমার দাদীর কাছে ওজন নিয়ন্ত্রণের (ওরফে মিনিমাইজিং মডেল জটিলতা) ব্যাখ্যা করব:
ঠাকুরমা, আপনার মস্তিষ্ক একটি আশ্চর্যজনক চিন্তাবিদ আপনি এটি জানেন বা না জানেন। যদি আমি আপনাকে জিজ্ঞাসা করি যে তারা কীভাবে ১ who,০০০ কে শীর্ষে পৌঁছেছে বলে মনে করে তারা আসলে এটি করেছে, আপনি "তাদের সমস্ত" বলবেন।
আমি যদি সমস্ত 30,000 পর্বতারোহীর জুতাগুলিতে সেন্সর রেখেছি এবং সমুদ্রতল থেকে উচ্চতা পরিমাপ করি তবে এই ভাগে কিছু লোক অন্যদের মতো উচ্চতা পায়নি এবং যোগ্যতা অর্জন করতে পারে না। যখন আমি এটি করি যে আমি স্থির মডেলটিতে যাচ্ছি - আমি বলছি যদি উচ্চতা পরিমাপকৃত সর্বোচ্চ উচ্চতার কিছু শতাংশের সমান না হয় তবে এটি শীর্ষ নয় not কিছু লোক শীর্ষে লাফ দেয়। কিছু লোক কেবল লাইনটি পেরিয়ে বসে থাকে।
আমি সেন্সরে অক্ষাংশ এবং দ্রাঘিমাংশ যুক্ত করতে পারি এবং কিছু উচ্চতর অর্ডার সমীকরণের সাথে ফিট করতে পারি এবং সম্ভবত আমি আরও ভাল ফিট করতে পারি এবং আরও লোকেরা থাকতে পারি, সম্ভবত এটির চেষ্টা করা মোট জনগণের ঠিক ৪৫ %ও।
সুতরাং আসুন পরের বছরটি একটি "বড় হিমবাহ" বছর বা একটি "কোনও হিমবাহ" বছর না কারণ কিছু আগ্নেয়গিরি সত্যই পৃথিবীর আলবেডোকে রূপান্তরিত করে । আমি যদি এই বছর থেকে আমার জটিল এবং কঠোর মডেলটি গ্রহণ করি এবং পরের বছর আরোহণকারী লোকদের কাছে এটি প্রয়োগ করি তবে মডেলটির অদ্ভুত ফলাফল হতে চলেছে। হয়তো প্রত্যেকে "পাস" করবে বা পাস করার জন্য খুব বেশি হবে। সম্ভবত কেউ পাস করবে না, এবং এটি ভাববে যে কেউ আসলেই আরোহণটি সম্পন্ন করেনি। বিশেষত যখন মডেলটি জটিল হয় তখন এটি ভালভাবে জেনারেল না হওয়ার প্রবণতা রাখে। এটি ঠিক এই বছরের "প্রশিক্ষণ" ডেটা ফিট করতে পারে, কিন্তু নতুন তথ্য এলে এটি খারাপ আচরণ করে comes
আলোচনা:
আপনি যখন মডেলটির জটিলতা সীমাবদ্ধ করেন, তখন আপনার অতিরিক্ত ওষুধ না দিয়ে সাধারণত আরও সাধারণীকরণ করা যায়। আরও সহজ মডেলগুলি ব্যবহার করে, যা বাস্তব-বিশ্বের বৈচিত্রকে সামঞ্জস্য করার জন্য আরও বেশি নির্মিত, আরও ভাল ফলাফল দেওয়ার ঝোঁক দেয়, সমস্ত কিছুই সমান।
এখন আপনার কাছে একটি স্থির নেটওয়ার্ক টপোলজি রয়েছে, তাই আপনি বলছেন "আমার প্যারামিটারের গণনা স্থির হয়ে গেছে" - মডেলের জটিলতায় আমার প্রকরণ থাকতে পারে না। ছাইপাঁশ. ওজনে এন্ট্রপি পরিমাপ করুন। এন্ট্রপি যখন বেশি হয়, এর অর্থ কিছু সংখ্যক অন্যের তুলনায় যথেষ্ট "তথ্যবহুলতা" বহন করে। আপনার যদি খুব কম এন্ট্রপি থাকে তবে এর অর্থ হ'ল সাধারণভাবে সহগগুলি "তথ্যবহুলতা" এর একই স্তরের বহন করে। তথ্যবহুলতা অগত্যা কোনও ভাল জিনিস নয়। একটি গণতন্ত্রে আপনি চান যে সমস্ত মানুষ সমান হোক এবং জর্জ অরওয়েলের মতো জিনিস "অন্যের চেয়ে সমান" সিস্টেমের ব্যর্থতার একটি পরিমাপ। যদি এর কোনও দুর্দান্ত কারণ না থাকে তবে আপনি চান ওজন একে অপরের সাথে বেশ সমান হোক।
একটি ব্যক্তিগত নোটে: ভুডু বা হিউরিস্টিক্স ব্যবহার না করে, আমি "তথ্যের মানদণ্ড" এর মতো জিনিস পছন্দ করি কারণ তারা আমাকে নির্ভরযোগ্য এবং ধারাবাহিক ফলাফল পেতে দেয় get এআইসি , এআইসিসি এবং বিআইসি কয়েকটি সাধারণ এবং দরকারী প্রারম্ভিক পয়েন্ট। সমাধানের স্থিতিশীলতা বা তথ্যের মানদণ্ডের ফলাফলের পরিধি নির্ধারণের জন্য বিশ্লেষণ পুনরাবৃত্তি করা একটি সাধারণ পদ্ধতি। কেউ ওজনে এনট্রপিতে সিলিং লাগানোর দিকে নজর দিতে পারে।