প্রতিরোধের উদ্দেশ্যে ভবিষ্যদ্বাণীকারীদের মাত্রিকতা হ্রাস করার সুবিধা কী?

ট্র্যাডিশনাল রিগ্রেশন কৌশল (কোন মাত্রা হ্রাস ছাড়াই) এর চেয়ে বেশি মাত্রা হ্রাস রিগ্রেশন (ডিআরআর) বা তত্ত্বাবধানের মাত্রিকতা হ্রাস (এসডিআর) কৌশলগুলির অ্যাপ্লিকেশন বা সুবিধা কী ? এই শ্রেণীর কৌশলগুলি রিগ্রেশন সমস্যার জন্য বৈশিষ্ট্যটির সেটটির একটি নিম্ন-মাত্রিক উপস্থাপনা খুঁজে পায়। এই জাতীয় কৌশলগুলির উদাহরণগুলির মধ্যে রয়েছে স্লাইসড ইনভার্স রিগ্রেশন, প্রিন্সিপাল হেসিয়ান দিকনির্দেশ, স্লাইসড এভারেজ ভেরিয়েন্স অনুমান, কার্নেল স্লাইসড ইনভার্স রিগ্রেশন, প্রিন্সিপাল কম্পোনেন্ট রিগ্রেশন ইত্যাদি include

ক্রস-ভ্যালিডিটেড আরএমএসই-এর ক্ষেত্রে, যদি কোনও অ্যালগরিদম কোনও মাত্রিকতা হ্রাস ছাড়াই কোনও রিগ্রেশন টাস্কে আরও ভাল পারফর্ম করে, তবে রিগ্রেশন-এর জন্য মাত্রিকতা হ্রাসের আসল ব্যবহার কী? আমি এই কৌশলগুলির বিন্দুটি পাই না।
এই কৌশলগুলি কি কোনও সুযোগেই রিগ্রেশনের জন্য স্থান এবং সময় জটিলতা হ্রাস করতে ব্যবহৃত হয়? যদি এটি প্রাথমিক সুবিধা হয় তবে এই কৌশলগুলি যখন ব্যবহার করা হয় তখন উচ্চ-মাত্রিক ডেটাসেটগুলির জন্য জটিলতা হ্রাসের কিছু সংস্থান সহায়ক হবে। আমি একটি ডিআরআর বা এসডিআর কৌশল চালানোর জন্য কিছু সময় এবং স্থান প্রয়োজন এই বিষয়টি নিয়ে বিতর্ক করি। এই এসডিআর / ডিআরআর + কি হাই-ডিমে ডেটাসেটের কেবল রিগ্রেশন-এর চেয়ে কম-ডিমেড ডেটাসেটের উপর রিগ্রেশনটি দ্রুত?
এই সেটিংটি কি কেবল বিমূর্ত আগ্রহের বাইরে পড়াশোনা করা হয়েছে, এবং এর কোনও কার্যকর ব্যবহারিক প্রয়োগ নেই?

এক পক্ষের ধারণা হিসাবে: অনেক সময় অনুমান করা হয় যে যৌথ বন্টন এবং প্রতিক্রিয়া বহুগুণে রয়েছে। কোনও রিগ্রেশন সমস্যা সমাধানের জন্য এই প্রসঙ্গে নিরীক্ষিত নমুনা থেকে বহুগুণ শিখতে বুদ্ধিমান হয়। $X$ $Y$

— শবযান
সূত্র

আপনি বহুগুণ শেখার বিষয়ে কথা বলছেন যাতে নীচের ব্লগপোস্টটি সহায়ক হতে পারে: normaldeviate.wordpress.com/2012/09/08/hunt-for-manifolds

— kjetil b halvorsen

উত্তর:

বহুগুণ অনুমান অনুসারে, ডেটাটি একটি নিম্ন-মাত্রিক বহুগুণে পড়ে থাকতে পারে বলে ধারণা করা হয়, এর অর্থ এই যে অবশিষ্টাংশটি গোলমাল, সুতরাং আপনি যদি আপনার মাত্রিকতা হ্রাস সঠিকভাবে করেন তবে আপনার শব্দটির চেয়ে সিগন্যালের মডেলিংয়ের মাধ্যমে পারফরম্যান্সের উন্নতি করা উচিত। এটি কেবল স্থান এবং জটিলতার প্রশ্ন নয়।

— Emre
সূত্র

তবে আমি দৃIR় ভিত্তিতে মাত্রা হ্রাসের পরে এসআইআর এর মতো কৌশলগুলি আরও ভাল করে দেখছি না। ভুল হলে আমাকে সংশোধন করুন বা যদি আপনি এমন কোনও এসডিআর / ডিডিআর কৌশল সম্পর্কে জানেন যা এই সংকেতটিকে একটি রেগ্রেশন সেটিংয়ে আরও ভালভাবে খুঁজে পেতে পারে তবে এটি কী কৌশল (নাম) তা আমাকে জানান।

— শুনুন

অবশ্যই এটি রিগ্রেশন অ্যালগরিদম এবং ডেটার অভ্যন্তরীণ মাত্রিকতার উপর নির্ভর করে। আমি বিশেষত এসআইআর এর পক্ষে কথা বলতে পারি না, তবে এখানে একটি কাগজ রয়েছে যা এমএনআইএসটি ডেটাসেটে বিভিন্ন রিগ্রেশন অ্যালগরিদমগুলির সাথে তুলনা করে, যা নিম্ন মাত্রিক। সম্ভবত আপনি কিছু সমস্যাযুক্ত ডেটা ভাগ করতে পারেন যাতে লোকেরা এটির জন্য একটি ক্র্যাক নিতে পারে।

— এমরে

"বহুগুণ অনুমান" কী?

— অ্যামিবা

হাইপিমেনশনাল ডেটা নিম্ন মাত্রিক বহুগুণের আশেপাশে থাকে এমন অনুমানটি ।

— এমের

আমি ভাবছি যে এই জিনিসটি নিউরাল নেটওয়ার্ক এবং ননলাইনার বহুমাত্রিক স্কেলিংয়ের অনুরূপ যে এটি "মনে হচ্ছে" এটি সর্বত্র দুর্দান্ত হওয়া উচিত তবে বাস্তবে আরও সীমিত ক্ষেত্রে ক্ষেত্রে ভাল করা যায়

— শ্যাডটলকার

রিগ্রেশন-এর মাত্রিকতা হ্রাসের উদ্দেশ্য হ'ল নিয়মিতকরণ।

আপনি তালিকাভুক্ত বেশিরভাগ কৌশল খুব বেশি পরিচিত নয়; প্রধান উপাদানগুলির রিগ্রেশন (পিসিআর) বাদে আমি তাদের কোনওটির বিষয়ে শুনিনি। সুতরাং আমি পিসিআর সম্পর্কে জবাব দেব তবে আশা করি একই কৌশলটি অন্যান্য কৌশলগুলিতেও প্রযোজ্য।

$p$ $n$

$p>n$ $y$ $100\%$

$p\ll n$

$p$

স্ট্যান্ডার্ড রিগ্রেশন এর তুলনায় পারফরম্যান্স বৃদ্ধি দেখতে, আপনাকে প্রচুর ভবিষ্যদ্বাণীকারী এবং এতগুলি নমুনা নয় এমন একটি ডেটাসেট প্রয়োজন এবং আপনার অবশ্যই ক্রস-বৈধতা বা একটি স্বাধীন পরীক্ষার সেট ব্যবহার করা দরকার। আপনি যদি কোনও পারফরম্যান্স বৃদ্ধি না দেখে থাকেন তবে সম্ভবত আপনার ডেটাসেটের পর্যাপ্ত মাত্রা নেই।

ভাল উত্তর সহ সম্পর্কিত থ্রেড:

— জীবাণুবিশেষ
সূত্র

তার প্রকাশনা দেওয়া এটি ধারণা করা নিরাপদ।

— এমরে

ধন্যবাদ, এমরে, ওপি কে ছিল আমার কোনও ধারণা ছিল না। আমি হয়ত প্রশ্নটি ভুল বুঝেছি, তবে এখন এটি পুনরায় পড়ার পরে আমি কীভাবে এটির অন্যভাবে ব্যাখ্যা করতে পারি তা দেখতে পাচ্ছি না। যদি কেউ জিজ্ঞাসা করছেন যে পিসিআর ব্যবহারিক সুবিধা কী, তবে উত্তরটি হ'ল নিয়মিতকরণ; পিসিআর প্রকৃতপক্ষে রিজ রিগ্রেশন সম্পর্কিত, যা সবচেয়ে মান নিয়মিত পদ্ধতি এক।

— অ্যামিবা

p > n

$p > n$

@ এসএসডেকট্রোল: আমি সম্মত। আমি মনে করি যে sensক্যমত্যটি হ'ল পিসিআর অনেকটা অপ্রতিযোগিতামূলক এবং প্রায় সবসময়ই আরও ভাল পন্থা থাকে। আমি আমার উত্তরে এটিই লিখেছিলাম (আমি কি না?) তবে প্রশ্নটি ছিল বিশেষত ভবিষ্যদ্বাণীকারীদের মাত্রিকতা হ্রাস এবং এর উদ্দেশ্য কী হতে পারে তা নিয়ে। আমার উত্তরটি হ'ল উদ্দেশ্যটি নিয়মিতকরণ।

— অ্যামিবা

বুঝতে পারছিল না। তবে আমি মনে করি আমরা একমত হতে পারি যে প্রশ্নটি বিশেষত এর উপযোগের চ্যালেঞ্জ

— জানাতে চাপিয়ে