উত্তর:
আসলে না.
এই জাতীয় প্রশ্নটি কিছুটা সাধারণ এবং দুটি বিষয় মিশ্রিত করে যা সত্যিকারের সাথে সম্পর্কিত নয়। ওভারফিট করা সাধারণত সাধারণ বর্ণনার বিপরীত মানের হিসাবে বোঝানো হয়; এই অর্থে যে একটি ওভারফিটেড (বা ওভারট্রেইনড) নেটওয়ার্কের কম সাধারণীকরণ শক্তি থাকবে। এই গুণটি প্রাথমিকভাবে নেটওয়ার্ক আর্কিটেকচার, প্রশিক্ষণ এবং বৈধকরণ পদ্ধতি দ্বারা নির্ধারিত হয়। ডেটা এবং এর বৈশিষ্ট্যগুলি কেবল "এমন কিছু হিসাবে প্রবেশ করে যা প্রশিক্ষণের পদ্ধতিটি ঘটে"। এটি কমবেশি "পাঠ্য বইয়ের জ্ঞান"; আপনি জেমস, উইটেন, হাস্টি এবং তিবশিরানি দ্বারা "স্ট্যাটাসটিকাল লার্নিংয়ের একটি ভূমিকা" চেষ্টা করতে পারেন। বা বিশপের "প্যাটার্ন রিকগনিশন" (সাধারণ বিষয়টিতে আমার প্রিয় বই)। অথবা বিশপ দ্বারা "প্যাটার্ন রিকগনিশন এবং মেশিন লার্নিং"।
পারস্পরিক সম্পর্কের জন্য: একটি নির্দিষ্ট মাত্রা থাকার ইনপুট স্থানটি বিবেচনা করুন। আপনি কোনও রূপান্তর ব্যবহার করেন না কেন, মাত্রিকতা একই থাকবে - লিনিয়ার বীজগণিতটি তাই বলে। একটি ক্ষেত্রে প্রদত্ত বেসটি সম্পূর্ণরূপে সম্পর্কযুক্ত হবে - আপনি যখন ভেরিয়েবলগুলি ডি-কোলেেক্ট করেন বা কেবল পিএটি প্রয়োগ করেন (প্রিন্সিপাল এক্সিস ট্রান্সফরমেশন।) এটির জন্য কোনও লিনিয়ার বীজগণিতের বইটি গ্রহণ করুন।
যেহেতু একটি উপযুক্ত আর্কিটেকচার সহ নিউরাল নেটওয়ার্ক যে কোনও (!) ফাংশনকে মডেল করতে পারে, আপনি নিরাপদে ধরে নিতে পারেন, এটি প্রথম পিএটি মডেল করতে পারে এবং তারপরে যা করা উচিত তা করতে পারে - যেমন শ্রেণিবদ্ধকরণ, রিগ্রেশন ইত্যাদি eg
আপনি পারস্পরিক সম্পর্কটিকে একটি বৈশিষ্ট্যও বিবেচনা করতে পারেন, যা নিউরাল নেটওয়ার্ক বর্ণনার অংশ হওয়া উচিত, যেহেতু এটি ডেটার সম্পত্তি। পারস্পরিক সম্পর্কের প্রকৃতিটি সত্যই গুরুত্বপূর্ণ নয়, যদি না এমন কিছু হয় যা তথ্যের অংশ না হয়। এটি আসলে একটি আলাদা বিষয় হতে পারে - আপনার ইনপুটটিতে গোলমালের মতো কিছু মডেল বা পরিমাণ নির্ধারণ করা উচিত এবং এর জন্য অ্যাকাউন্ট করা উচিত।
সুতরাং, সংক্ষেপে নং। সম্পর্কিত সম্পর্কিত ডেটার অর্থ আপনার প্রযুক্তিগতভাবে সহজ এবং আরও কার্যকর হ্যান্ডলিং করার জন্য আরও কঠোর পরিশ্রম করা উচিত। ওভারফিটিং ঘটতে পারে, তবে এমনটি ঘটবে না কারণ সম্পর্কিত সম্পর্কযুক্ত ডেটা রয়েছে।
করূব তার বক্তব্যটির ওভার-ফিটিং সম্পর্কিত ক্ষেত্রে সঠিক। তবে আমি মনে করি যে অত্যন্ত সংযুক্ত বৈশিষ্ট্যগুলি এবং এএনএন-এর আলোচনা অতিরিক্তভাবে বিষয়টি সরল করে।
হ্যাঁ, তাত্ত্বিকভাবে এটি সত্য যে কোনও এএনএন যে কোনও কার্য আনুমানিক করতে পারে। যাইহোক, বাস্তবে এটি বেশ কয়েকটি অত্যন্ত সংযুক্ত বৈশিষ্ট্যগুলি অন্তর্ভুক্ত করা ভাল ধারণা নয়। এটি করার ফলে মডেলের মধ্যে অনেকগুলি অতিরিক্ত কাজ হবে। এ জাতীয় রিডানডান্সির অন্তর্ভুক্তি অপ্রয়োজনীয় জটিলতার পরিচয় দেবে এবং এর ফলে স্থানীয় মিনিমার সংখ্যা বাড়তে পারে। এএনএন এর ক্ষয়ক্ষতি সহজাতভাবে মসৃণ নয়, অপ্রয়োজনীয় রুক্ষতার পরিচয় দেওয়া কোনও দুর্দান্ত ধারণা নয়।