অন্যান্য তত্ত্বাবধানে শেখার কৌশলগুলির মধ্যে কীভাবে এলডিএ 'ফিট করে' তার জন্য আমি একটি অনুভূতি পাওয়ার চেষ্টা করছি। আমি ইতিমধ্যে এলডিএ সম্পর্কে এখানে কিছু এলডিএ-এস্কু পোস্ট পড়েছি। আমি পার্সেপট্রনের সাথে ইতিমধ্যে পরিচিত, তবে এখনই এলডিএ শিখছি।
এলডিএ তত্ত্বাবধানে শেখার অ্যালগরিদমের পরিবারে কীভাবে 'ফিট' হয়? এই অন্যান্য পদ্ধতিগুলির তুলনায় এর ত্রুটিগুলি কী হতে পারে এবং এর জন্য আরও কী কী ব্যবহার করা যেতে পারে? কেন এলডিএ ব্যবহার করবেন, যখন কেউ কেবল ব্যবহারের জন্য বলতে পারেন, উদাহরণস্বরূপ অনুধাবনকারী?
1
আমি মনে করি আপনি তত্ত্বাবধানে পড়াশুনা কী তা সম্পর্কে বিভ্রান্ত হতে পারেন। কে-অর্থ হ'ল একটি নিরীক্ষণযোগ্য শিখন ক্লাস্টারিং অ্যালগরিদম। পারসেপ্ট্রন হ'ল তত্ত্বাবধানে থাকা শিক্ষার শ্রেণিবিন্যাস অ্যালগরিদম যা এমন একটি হাইপারপ্লেন আবিষ্কার করার চেষ্টা করে যা ইতিবাচক পর্যবেক্ষণ থেকে নেতিবাচককে পৃথক করে। এলডিএ হ'ল এমন একটি পদ্ধতি যা তত্ত্বাবধানে শ্রেণিবিন্যাসের জন্য ব্যবহার করা যেতে পারে তবে তদারকি বৈশিষ্ট্য নির্বাচনের জন্য বেশি ব্যবহৃত হয়। এলডিএ শ্রেণিবদ্ধের অনুমানের জন্য @ অ্যাডামোর উত্তর দেখুন।
—
বিটওয়াইজ
@ বিটওয়াইফ উফফ! আমি জানি না কেন আমি কেন-কে এখানে রেখেছি। হ্যাঁ, এটি একটি নিরীক্ষণ করা অ্যালগরিদম। আমি এটি একটি সম্পাদনায় মুছে ফেলব।
—
ক্রিয়েস্ট্রন
@ বিটওয়াইজ এলডিএ এবং পেরসেপ্ট্রন সম্পর্কে আপনি যা বলেছেন তা সম্পর্কে, হ্যাঁ, এটিই আমাকে বিভ্রান্ত করছে। এলডিএ একটি হাইপারপ্লেন সন্ধান করার চেষ্টা করে যাতে আপনার ডেটা প্রজেক্ট করা যায়, যেমন এটি আন্তঃক্লাস্টারের বৈচিত্রকে সর্বাধিক করে তোলে while তারপরে সীমান্তে আপনার একটি শ্রেণিবদ্ধ রয়েছে। পারসেপ্ট্রন অনুরূপ কিছু করে, এতে এটি লেবেলযুক্ত ডেটা ছিন্ন করার জন্য একটি সর্বোত্তম হাইপারপ্লেনও সন্ধান করার চেষ্টা করে। তাহলে কেন একে অপরকে ব্যবহার করবেন?
—
ক্রিয়েটরন
