বাইনারি আউটপুট ভেরিয়েবলগুলিতে আমার ইনপুট ভেরিয়েবলগুলিকে ফিট করতে আমি লজিস্টিক রিগ্রেশনের একটি মানক সংস্করণ ব্যবহার করছি।
তবে আমার সমস্যাটিতে, .ণাত্মক আউটপুট (0 গুলি) ইতিবাচক আউটপুটগুলি (1s) ছাড়িয়ে গেছে। অনুপাত 20: 1। সুতরাং যখন আমি কোনও শ্রেণিবদ্ধকারীকে প্রশিক্ষণ দিই, মনে হয় এমন বৈশিষ্ট্যগুলিও যেগুলি ইতিবাচক আউটপুট সম্ভাবনার দৃ strongly়ভাবে প্রস্তাব দেয় তাদের সংশ্লিষ্ট পরামিতিগুলির জন্য এখনও খুব কম (অত্যন্ত নেতিবাচক) মান রয়েছে। আমার কাছে মনে হচ্ছে এটি ঘটেছিল কারণ তাদের দিকনির্দেশে পরামিতিগুলি টানছে এমন অনেকগুলি নেতিবাচক উদাহরণ রয়েছে।
সুতরাং আমি ভাবছি যে আমি ইতিবাচক উদাহরণগুলির জন্য ওজন যুক্ত করতে পারি (1 এর পরিবর্তে 20 ব্যবহার করুন)। এটি কি আদৌ উপকৃত হতে পারে? এবং যদি তা হয় তবে আমার ওজন কীভাবে যুক্ত করা উচিত (নীচের সমীকরণগুলিতে)।
ব্যয় ফাংশনটি নীচের মত দেখাচ্ছে:
এই ব্যয় ফাংশনের গ্রেডিয়েন্ট (আর্ট- ) হ'ল:
এখানে = পরীক্ষার কেসগুলির সংখ্যা, = বৈশিষ্ট্য ম্যাট্রিক্স, = আউটপুট ভেক্টর, = সিগময়েড ফাংশন, = পরামিতি আমরা শিখার চেষ্টা করছি।
অবশেষে আমি সম্ভব সর্বনিম্ন গ্রেডিয়েন্ট বংশদ্ভুত চালাচ্ছি run বাস্তবায়নটি সঠিকভাবে চলমান বলে মনে হচ্ছে।