এপি-এসভিআর এবং নিউ-এসভিআর (এবং সর্বনিম্ন স্কোয়ার এসভিআর) এর মধ্যে পার্থক্য

Question

আমি কোন ধরণের ডেভিসের জন্য কোন এসভিআর উপযোগী তা অনুসন্ধান করার চেষ্টা করছি।

আমি 4 ধরণের এসভিআর জানি:

• Epsilon
• নিউ
• সর্বনিম্ন স্কোয়ার এবং
• রৈখিক।

আমি বুঝতে পারছি এল 1 রেগের সাথে লিনিয়ার এসভিআর কমবেশি লাসোর মতো, তবে বাকি 3 টি কৌশলগুলির মধ্যে পার্থক্য কী?

Answer 1

ইন -SVR, প্যারামিটার সমর্থন ভেক্টর আপনি ডেটাসেটে নমুনা মোট সংখ্যা সম্মান সঙ্গে আপনার সমাধান রাখার ইচ্ছা সংখ্যা অনুপাতে নির্ধারণ করতে ব্যবহৃত হয়। ইন -SVR প্যারামিটার অপ্টিমাইজেশান সমস্যা তৈয়ার প্রবেশ করানো হয় এবং এটি স্বয়ংক্রিয়ভাবে (সন্তোষজনক ভাবে) আপনার জন্য অনুমান করা হয়।$\nu$$\nu$$\nu$$\epsilon$

তবে, এপসিলন-এসভিআর-তে আপনার ডেটাসেট থেকে কতগুলি ডেটা ভেক্টর সাপোর্ট ভেক্টর হয়ে ওঠার কোনও নিয়ন্ত্রণ নেই, এটি কয়েকটি হতে পারে, এটি অনেকগুলি হতে পারে। তবুও, আপনি আপনার মডেলটিকে কতটা ত্রুটি থাকতে দেবেন তার সম্পূর্ণ নিয়ন্ত্রণ থাকবে এবং নির্দিষ্ট বাইরে যে কোনও কিছুই অনুপাতে দন্ডিত হবে , যা নিয়মিতকরণের পরামিতি।$\epsilon$$\epsilon$$C$

আমি যা চাই তার উপর নির্ভর করে আমি দুজনের মধ্যে বেছে নিই। আমি যদি একটি ছোট সমাধানের জন্য সত্যিই মরিয়া হয়ে থাকি (কম সমর্থক ভেক্টর) আমি -SVR বেছে নিই এবং একটি শালীন মডেল পাওয়ার আশা করি । কিন্তু যদি আমি আমার মডেল ত্রুটির পরিমাণ নিয়ন্ত্রণ এবং শ্রেষ্ঠ অভিনয়ের জন্য যেতে চান, আমি পছন্দ করে -SVR এবং আশা যে মডেল অত্যন্ত জটিল নয় (সমর্থন ভেক্টর প্রচুর)।$\nu$$\epsilon$

Answer 2

মধ্যে পার্থক্য -SVR এবং -SVR কিভাবে প্রশিক্ষণ সমস্যা parametrized হয়। উভয়ই ব্যয় কার্যক্রমে এক ধরণের কব্জা ক্ষতি ব্যবহার করে। প্যারামিটারে -SVM ফলে মডেল সমর্থন ভেক্টর পরিমাণ নিয়ন্ত্রণ করতে ব্যবহার করা যাবে। উপযুক্ত পরামিতি দেওয়া, ঠিক একই সমস্যা সমাধান করা হয়। ¹$\epsilon$$\nu$$\nu$$\nu$

স্বল্প স্কোয়ার এসভিআর কব্জির ক্ষতির পরিবর্তে ব্যয় ফাংশনে স্কোয়ার অবশিষ্টাংশ ব্যবহার করে অন্য দুটি থেকে পৃথক হয়।

¹ : সি.সি. চ্যাং এবং সি- জে। লিন। প্রশিক্ষণ -support ভেক্টর রিগ্রেশন: তত্ত্ব এবং আলগোরিদিম$\nu$ । নিউরাল গণনা, 14 (8): 1959-1977, 2002।

Comments

আপনার উত্তর মার্ক করার জন্য ধন্যবাদ। সুতরাং আমরা আমাদের যে ডেটাসেটটি রেখেছি তার ভিত্তিতে উপযুক্ত পদ্ধতিটি আলাদা করতে পারি? যদি তা হয় তবে আপনি আমাকে কিছু পয়েন্টার দিতে পারেন? আমার 200 টি স্বতন্ত্র আউটপুট সহ 40000 নমুনা রয়েছে। সুতরাং এটি 200 অনন্য নমুনার 200 সেট হিসাবে ভাবা যেতে পারে। সমস্ত 40000 এর ইনপুট যদিও আলাদা তবে কেবলমাত্র 200 নমুনার জন্য আউটপুটটি অনন্য।

— শরৎচন্দ্র

Answer 3

আমি পাবলো এবং মার্ক উভয় উত্তর পছন্দ করি। একটি অতিরিক্ত পয়েন্ট:

মার্ক দ্বারা উদ্ধৃত কাগজটিতে লিখিত আছে (বিভাগ 4)

"এর প্রেরণা -SVR এটি সহজ পরামিতি সিদ্ধান্ত নিতে নাও হতে পারে । তাই, আমরা এখানে সম্ভাব্য সীমার মধ্যে আগ্রহী । হিসাবে প্রত্যাশিত, ফলাফল দেখায় যে লক্ষ্য মান সঙ্গে সম্পর্কযুক্ত ।$\nu$$\epsilon$$\epsilon$$\epsilon$$y$

[...]

হিসাবে কার্যকর পরিসীমা লক্ষ্য মান দ্বারা প্রভাবিত হয় , একটি উপায় এই অসুবিধা সমাধানের জন্য -SVM ডেটা প্রশিক্ষণ সামনে লক্ষ্য মান স্কেলিং হয়। উদাহরণ হিসেবে বলা যায়, সব লক্ষ্য মান ছোটো যদি , তারপর এর কার্যকর পরিসীমা হতে হবে , যে একই । তারপরে চয়ন করা আরও সহজ হতে পারে ।$\epsilon$$y$$\epsilon$$[-1,+1]$$\epsilon$$[0, 1]$$\nu$$\epsilon$

এটি আমার ধারণা নিয়ে আসে যে আপনার টার্গেট ভেরিয়েবলগুলি স্কেল করা সহজ হবে এবং এপসিলন এসভিআর ব্যবহার করা উচিত decide এপসিলন বা than এসভিআর ব্যবহার করবেন কিনা তা সিদ্ধান্ত নেওয়ার চেষ্টা করার চেয়ে easier$\epsilon$$\epsilon -$$\nu -$

আপনি কি মনে করেন?