প্রশ্ন ট্যাগ «loss-functions»

একটি ফাংশন যা কোনও মডেল অনুসারে পর্যবেক্ষণ করা ডেটা এবং পূর্বাভাসিত মানগুলির মধ্যে পার্থক্য নির্ধারণ করতে ব্যবহৃত হয়। ক্ষতির ফাংশনগুলি হ্রাস করা মডেলের পরামিতিগুলি অনুমান করার একটি উপায় is

1
লগলসের স্বজ্ঞাত ব্যাখ্যা
বেশ কয়েকটি কাগল প্রতিযোগিতায় স্কোরিংটি "লগলস" এর উপর ভিত্তি করে ছিল। এটি শ্রেণিবিন্যাস ত্রুটির সাথে সম্পর্কিত। এখানে একটি প্রযুক্তিগত উত্তর কিন্তু আমি একটি স্বজ্ঞাত উত্তর খুঁজছি। মহালানোবিস দূরত্ব সম্পর্কে এই প্রশ্নের উত্তরগুলি আমি সত্যিই পছন্দ করেছি তবে পিসিএ লগলস নয়। আমি আমার শ্রেণিবদ্ধকরণ সফ্টওয়্যারটি যে মূল্য রেখেছি তা ব্যবহার করতে …

4
রিগ্রেশন জন্য একটি নিউরাল নেটওয়ার্ক প্রশিক্ষণ সর্বদা গড় পূর্বাভাস
আমি রিগ্রেশন-এর জন্য একটি সাধারণ কনভোলিউশনাল নিউরাল নেটওয়ার্ক প্রশিক্ষণ দিচ্ছি, যেখানে কাজটি কোনও চিত্রের একটি বাক্সের (x, y) অবস্থানের পূর্বাভাস দেওয়া, যেমন: নেটওয়ার্কের আউটপুটটিতে দুটি নোড রয়েছে, একটি এক্স এর জন্য এবং একটি y এর জন্য। নেটওয়ার্কের বাকি অংশগুলি একটি স্ট্যান্ডার্ড কনভুলেশনাল নিউরাল নেটওয়ার্ক। ক্ষতিটি বাক্সের পূর্বাভাসিত অবস্থান এবং স্থল …

1
"লগ ক্ষতি" লোগারিদমিক ক্ষতি বা লজিস্টিক ক্ষতি বোঝায়?
আমি জানি যে আমি এটি উভয় উপায়েই দেখেছি, তাই উভয়ের মধ্যে কোনও পার্থক্য রয়েছে এবং কোনটি সাধারণত বেশি উল্লেখ করা হয়?

2
বেইস অনুমানকারীদের মধ্যে তুলনা
পূর্বে প্রদত্ত যেখানে চতুর্ভুজ ক্ষতির কথা বিবেচনা করুন । আসুন সম্ভাবনা। বেইস অনুমানকারী i ।L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim U(0,1/2)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπδπ\delta^\pi ওজনযুক্ত চতুর্ভুজ ক্ষতির বিবেচনা করুন যেখানে সাথে পূর্বের । আসুন হওয়ার সম্ভাবনা থাকে। বেইস অনুমানকারী ।Lw(θ,δ)=w(θ)(θ−δ)2Lw(θ,δ)=w(θ)(θ−δ)2L_w(\theta,\delta)=w(\theta)(\theta-\delta)^2w(θ)=I(−∞,1/2)w(θ)=I(−∞,1/2)w(\theta)=\mathbb{I}_{(-\infty,1/2)}π1(θ)=I[0,1](θ)π1(θ)=I[0,1](θ)\pi_1(\theta)=\mathbb{I}_{[0,1]}(\theta)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπ1δ1π\delta^\pi_1 তুলনা করুন এবংδπδπ\delta^\piδπ1δ1π\delta^\pi_1 প্রথমে আমি লক্ষ্য করেছি যে , এবং আমি ধরে নিয়েছি যে …

1
যখন এল 2 উত্তোলনের ক্ষতির গণনার জন্য একটি ভাল ক্ষতির ফাংশন হয় তখন তার উদাহরণ কী হবে?
এল 2 এবং এল 1 ক্ষতি সহ একত্রে তিনটি খুব সাধারণ "ডিফল্ট" ক্ষতি ফাংশন যা নূন্যতম পশ্চাৎ প্রত্যাশিত ক্ষতির দ্বারা কোনও উত্তরকালের সংক্ষিপ্তসার হিসাবে ব্যবহৃত হয় used এর একটি কারণ সম্ভবত তারা গণনা করা তুলনামূলকভাবে সহজ (কমপক্ষে 1 ডি-ডিস্ট্রিবিউশনের জন্য), মোডে এল 0 ফলাফল, মিডিয়ায় এল 1 এবং গড়তে এল …
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.