প্রশ্ন ট্যাগ «optimization»

ওভারফিটিংয়ের গাণিতিক বা অ্যালগরিদমিক সংজ্ঞা আছে কি? প্রায়শই সরবরাহিত সংজ্ঞা হ'ল প্রতি একক পয়েন্টের মধ্য দিয়ে যাওয়া লাইন এবং বৈধতা হ্রাস বক্ররেখার হঠাৎ করে উপরে উঠার পয়েন্টগুলির ক্লাসিক 2-ডি প্লট। তবে গাণিতিকভাবে কঠোর সংজ্ঞা আছে কি?

18 mathematical-statistics  optimization  overfitting 

যে কোনও জেনেরিক স্যাম্পলিং অ্যালগরিদম থেকে, একটি অপ্টিমাইজেশন অ্যালগরিদম পেতে পারে। নিশ্চয় বাড়ানোর লক্ষ্যে একটি অবাধ ফাংশন , তা থেকে নমুনা আঁকা যথেষ্ট ছ ~ ই চ / টি । জন্য টি ছোট যথেষ্ট, এই নমুনা ফাংশনের বিশ্বব্যাপী সর্বাধিক (অথবা বাস্তবে স্থানীয় ম্যাক্সিমা) কাছাকাছি পড়া হবে চ ।চ: x → …

18 sampling  optimization 

আমি একটি কাস্টম ফাংশন হ্রাস করার চেষ্টা করছি। এটি পাঁচটি পরামিতি এবং ডেটা সেট এবং গ্রহণ করতে হবে এবং আউটপুট হিসাবে একক সংখ্যা উত্পাদন করে সমস্ত প্রকার গণনা করে। আমি পাঁচটি ইনপুট পরামিতির সংমিশ্রণটি খুঁজতে চাই যা আমার ফাংশনের ক্ষুদ্রতম আউটপুট দেয় yield

18 r  optimization 

গ্রেডিয়েন্ট বংশদ্ভুত সম্পর্কে অনেক টিউটোরিয়াল অনলাইন আলোচনা করে এবং প্রায় সকলেই একটি নির্দিষ্ট ধাপের আকার (শিক্ষার হার ) ব্যবহার করে। লাইন অনুসন্ধানের কোনও ব্যবহার নেই কেন (যেমন ব্যাকট্র্যাকিং লাইন অনুসন্ধান বা সঠিক লাইন অনুসন্ধান)?αα\alpha

18 machine-learning  neural-networks  optimization  deep-learning 

আমি অনেকগুলি আলোচনার অনুরূপ উপসংহার দেখেছি, যেহেতু মিনিবিচের আকারটি এসজিডি রূপান্তরিত হওয়ার ফলে বাস্তবে আরও শক্ত / খারাপ হয়, উদাহরণস্বরূপ এই কাগজটি এবং এই উত্তরটি । এছাড়াও আমি শুনেছি লোকেরা বড় ব্যাচের আকারের সাহায্যে এই সমস্যাটির সমাধানের জন্য প্রাথমিক পর্যায়ে ছোট শেখার হার বা ব্যাচের আকারের মতো কৌশল ব্যবহার করে। …

18 machine-learning  neural-networks  optimization  gradient-descent  sgd 

আমরা উপলভ্য সমস্ত প্রশিক্ষণের নমুনাগুলির সম্পূর্ণতা এবং মিনি-ব্যাচের আকারকে নমুনার সংখ্যা হিসাবে সংজ্ঞায়িত করেছি যার উপরে গ্রেডিয়েন্টটি অবতরণের জন্য প্রয়োজনীয় ওজন / বায়াসগুলির আপডেটগুলি খুঁজে পাওয়ার জন্য আমাদের গড় গড়। আমার প্রশ্ন হ'ল আমাদের একটি মহাকালের মধ্যে প্রতিটি মিনি-ব্যাচ উত্পন্ন করার জন্য প্রশিক্ষণের উদাহরণগুলির সেট থেকে প্রতিস্থাপন ছাড়াই আঁকা উচিত। …

18 machine-learning  neural-networks  optimization  deep-learning 

আমি কেবল অপটিমাইজেশন সম্পর্কে শিখছি, এবং উত্তল এবং নন-উত্তল অপ্টিমাইজেশনের মধ্যে পার্থক্য বুঝতে সমস্যা হচ্ছি। আমার বোধগম্যতা থেকে একটি উত্তল ফাংশনটি এমন যেখানে "ফাংশনের গ্রাফের যে কোনও দুটি বিন্দুর মধ্যে রেখাংশটি উপরের বা গ্রাফের মধ্যে থাকে"। এই ক্ষেত্রে, গ্রেডিয়েন্ট বংশদ্ভুত অ্যালগরিদম ব্যবহার করা যেতে পারে কারণ একক ন্যূনতম রয়েছে এবং …

18 optimization 

আমি অনুমান করি এটি একটি প্রাথমিক প্রশ্ন এবং এটি গ্রেডিয়েন্টের দিকনির্দেশনার সাথেই করতে পারে তবে আমি উদাহরণগুলি সন্ধান করছি যেখানে ২ য় ক্রম পদ্ধতি (যেমন বিএফজিএস ) সাধারণ গ্রেডিয়েন্ট বংশোদ্ভূত থেকে বেশি কার্যকর।

18 optimization 

আমি ফিরিটি জিএলএমএসকে কেন এমনভাবে ব্যবহার করি তা নিয়ে আমি কৌতূহলী, যদিও তারা কিছু বিশেষ অপ্টিমাইজেশান সমস্যা। তারা কি? আমার কাছে মনে হয় এগুলি কেবল সর্বাধিক সম্ভাবনা, এবং আমরা সম্ভাবনাটি লিখে রাখি এবং তারপরে ... আমরা এটি সর্বাধিকতর করি! তাহলে আমরা প্রয়োগিত গণিতের সাহিত্যে যে অপ্টিমাইজেশান স্কিমগুলি বিকাশ করা হয়েছে …

18 generalized-linear-model  optimization  fisher-scoring 

এই জাতীয় কোড ব্যবহার করে কেউ আর-তে লগইট রিগ্রেশন করতে পারে: > library(MASS) > data(menarche) > glm.out = glm(cbind(Menarche, Total-Menarche) ~ Age, + family=binomial(logit), data=menarche) > coefficients(glm.out) (Intercept) Age -21.226395 1.631968 দেখে মনে হচ্ছে অপটিমাইজেশন অ্যালগরিদম রূপান্তরিত হয়েছে - ফিশার স্কোরিং অ্যালগরিদমের পদক্ষেপের সংখ্যা সম্পর্কে তথ্য রয়েছে: Call: glm(formula = …

17 r  generalized-linear-model  optimization  algorithms  logit 

আমি দেখেছি এই পাইথন বাস্তবায়ন এর Jenks স্বাভাবিক বিরতি অ্যালগরিদম এবং আমি এটা আমার উইন্ডোজ 7 মেশিনে রান করতে পারে। এটি বেশ দ্রুত এবং এটি আমার জিওডাটার আকার বিবেচনা করে কিছু সময়ের মধ্যে বিরতিগুলি খুঁজে পেয়েছে। আমার ডেটা জন্য এই ক্লাস্টারিং অ্যালগরিদম ব্যবহার করার আগে, আমি sklearn.clustering.KMeans (এখানে) অ্যালগরিদম ব্যবহার …

17 python  clustering  optimization 

আমি খেলনা ডেটা সেটটিতে বাইনারি শ্রেণিবদ্ধকরণ করতে স্কোয়ার ক্ষতি ব্যবহার করার চেষ্টা করছি। আমি mtcarsডেটা সেট ব্যবহার করছি , প্রতি গ্যালন মাইল এবং ওজন ট্রান্সমিশনের ধরণের পূর্বাভাস দিতে ব্যবহার করি। নীচের প্লটটি দুটি ধরণের সংক্রমণ টাইপের ডেটা বিভিন্ন রঙে দেখায় এবং বিভিন্ন ক্ষতির ক্রিয়াকলাপ দ্বারা উত্পন্ন সিদ্ধান্তের সীমানা দেখায়। স্কোয়ারড …

16 r  machine-learning  logistic  optimization  loss-functions 

আমি optimএকটি সাধারণ লিনিয়ার রিগ্রেশন glmবা এমনকি nlsফাংশন লাগানো থেকে ফলাফলগুলি পুনরুত্পাদন করার চেষ্টা করি । প্যারামিটারের অনুমানগুলি একই তবে অবশিষ্ট পরামিতিগুলির স্ট্যান্ডার্ড ত্রুটিগুলি বিশেষত যখন নমুনার আকার কম থাকে তখন একই হয় না। আমি অনুমান করি যে সর্বোচ্চ সম্ভাবনা এবং ন্যূনতম বর্গাকার পদ্ধতির (n দ্বারা বা এন-কে + 1 …

16 r  maximum-likelihood  optimization 

আমি আর glmerএর lme4প্যাকেজ থেকে ফাংশনটি ব্যবহার করছি এবং আমি bobyqaঅপটিমাইজারটি ব্যবহার করছি (অর্থাত্ আমার ক্ষেত্রে এটি ডিফল্ট)। আমি একটি সতর্কতা পাচ্ছি, এবং আমি এর অর্থ কী তা জানতে আগ্রহী। Warning message: In optwrap(optimizer, devfun, start, rho$lower, control = control, : convergence code 3 from bobyqa: bobyqa -- a trust …

16 r  optimization  lme4-nlme  convergence  glmm 

আমি 1X2 (ওজনযুক্ত) গেমগুলিতে বেট সুপারিশ করতে একটি অ্যালগরিদম কোড করার চেষ্টা করেছি। মূলত, প্রতিটি গেমের ম্যাচের একটি সেট থাকে (হোম বনাম দূরে দলগুলি): 1: হোম জিত X: আঁকুন 2: দূরে জয় প্রতিটি ম্যাচ এবং প্রতীক (জন্য 1, Xএবং 2), আমি শতকরা যে প্রতীক সঠিক ম্যাচ ফলাফল হবার সম্ভাবনা / …

16 optimization