প্রশ্ন ট্যাগ «ridge-regression»

রিগ্রেশন মডেলগুলির জন্য একটি নিয়মিতকরণ পদ্ধতি যা গুণাগুণগুলি শূন্যের দিকে সঙ্কুচিত করে।

3
লসো বনাম রিজ কখন ব্যবহার করা উচিত?
বলুন যে আমি প্রচুর পরিমাণে প্যারামিটার অনুমান করতে চাই এবং আমি তাদের কয়েকটিকে শাস্তি দিতে চাই কারণ আমার বিশ্বাস অন্যদের তুলনায় তাদের খুব কম প্রভাব ফেলতে হবে। কীভাবে পেনালাইজেশন স্কিম ব্যবহার করব তা আমি কীভাবে সিদ্ধান্ত নেব? রিজ রিগ্রেশন কখন বেশি উপযুক্ত? আমি কখন লসো ব্যবহার করব?

6
কেন বিরল মডেলগুলির জন্য এল 1 আদর্শ
আমি লিনিয়ার রিগ্রেশন সম্পর্কিত বইগুলি পড়ছি। এল 1 এবং এল 2 আদর্শ সম্পর্কে কিছু বাক্য রয়েছে। আমি তাদের জানি, কেন বিরল মডেলগুলির জন্য L1 আদর্শ m কেউ ব্যবহার করতে পারেন কি একটি সহজ ব্যাখ্যা দিতে?

2
রিগ্রেশন করার জন্য নিয়মিতকরণ পদ্ধতি কখন ব্যবহার করবেন?
কোন পরিস্থিতিতে ওএলএসের পরিবর্তে নিয়মিতকরণ পদ্ধতিগুলি (রিজ, লাসো বা কমপক্ষে অ্যাঙ্গেল রিগ্রেশন) ব্যবহার করা উচিত? যদি এটি আলোচনার দিকে এগিয়ে যেতে সহায়তা করে তবে আমার মূল আগ্রহ ভবিষ্যদ্বাণীমূলক নির্ভুলতার উন্নতি করছে।

2
রিজ রিগ্রেশনকে কেন "রিজ" বলা হয়, কেন এটির প্রয়োজন হয় এবং অনন্ত হয়ে গেলে কী ঘটে ?
রিজ রিগ্রেশন সহগের প্রাক্কলন মানগুলি যা হ্রাস করেβ^Rβ^R\hat{\beta}^R RSS+λ∑j=1pβ2j.RSS+λ∑j=1pβj2. \text{RSS} + \lambda \sum_{j=1}^p\beta_j^2. আমার প্রশ্নগুলি হ'ল: যদি , তবে আমরা দেখতে পাচ্ছি যে উপরের অভিব্যক্তিটি স্বাভাবিক আরএসএসে হ্রাস পায়। কি হবে যদি ? সহগের আচরণের পাঠ্যপুস্তকের ব্যাখ্যাটি আমি বুঝতে পারি না।λ=0λ=0\lambda = 0λ→∞λ→∞\lambda \to \infty একটি নির্দিষ্ট শব্দটির পিছনে ধারণাটি …

5
সংকোচনের উপর একীভূত দৃষ্টিভঙ্গি: স্টেইনের প্যারাডক্স, রিজ রিগ্রেশন এবং মিশ্র মডেলগুলিতে এলোমেলো প্রভাবের মধ্যে কী সম্পর্ক (যদি থাকে)?
নিম্নলিখিত তিনটি ঘটনা বিবেচনা করুন। স্টেইনের প্যারাডক্স: tiv মাল্টিভারিয়েট স্বাভাবিক বিতরণ থেকে কিছু তথ্য দেওয়া হয়েছে , নমুনা গড়টি সত্যিকার গড়ের খুব ভাল অনুমানকারী নয়। যদি কেউ নমুনার সমস্ত স্থানাঙ্কটি শূন্যের দিকে [বা তাদের গড়ের দিকে, বা আসলে কোনও মানের দিকে, যদি আমি সঠিকভাবে বুঝতে পারি] সঙ্কুচিত হয় তবে নিম্নতর …

5
সঙ্কুচিত পদ্ধতিগুলি কী সমস্যার সমাধান করে?
ছুটির মরসুমটি আমাকে এলিমেটিকাল লার্নিংয়ের সাথে আগুনের পাশে কুঁকানোর সুযোগ দিয়েছে । একটি (ঘন ঘনবাদী) একনোমেট্রিক্সের দৃষ্টিকোণ থেকে আসা, রিজ রিগ্রেশন, লাসো এবং কমপক্ষে অ্যাঙ্গেল রিগ্রেশন (এলএআর) এর মতো সঙ্কুচিত পদ্ধতির ব্যবহার উপলব্ধিতে আমার সমস্যা হচ্ছে। সাধারণত, আমি নিজেরাই প্যারামিটারের অনুমানগুলিতে এবং নিরপেক্ষতা বা কমপক্ষে ধারাবাহিকতা অর্জনে আগ্রহী। সঙ্কুচিত পদ্ধতিগুলি …

3
ত্রিভুজটিতে ধ্রুবক যুক্ত করে কেন রিজ অনুমানটি ওএলএসের চেয়ে ভাল হয়?
আমি বুঝতে পারি যে রিজ রিগ্রেশন অনুমানটি হ'ল যা বর্গের অবশিষ্টাংশ এবং আকারের জরিমানার পরিমাণকে হ্রাস করেβββ\betaββ\beta βridge=(λID+X′X)−1X′y=argmin[RSS+λ∥β∥22]βridge=(λID+X′X)−1X′y=argmin⁡[RSS+λ‖β‖22]\beta_\mathrm{ridge} = (\lambda I_D + X'X)^{-1}X'y = \operatorname{argmin}\big[ \text{RSS} + \lambda \|\beta\|^2_2\big] যাইহোক, আমি সম্পূর্ণরূপে সত্য যে তাৎপর্য বুঝতে পারছি না βridgeβridge\beta_\text{ridge} থেকে পৃথক βOLSβOLS\beta_\text{OLS} শুধুমাত্র তির্যক করার জন্য একটি ছোট ধ্রুবক যোগ …

2
সংকোচনের কাজ কেন?
মডেল নির্বাচনের সমস্যাগুলি সমাধান করার জন্য, প্রচুর পদ্ধতি (এলএএসএসও, রিজ রিগ্রেশন ইত্যাদি) প্রেডিক্টর ভেরিয়েবলের সহগগুলি শূন্যের দিকে সঙ্কুচিত করবে। কেন এটি ভবিষ্যদ্বাণীপূর্ণ সক্ষমতা উন্নত করে তার একটি স্বজ্ঞাত ব্যাখ্যা খুঁজছি। যদি ভেরিয়েবলের আসল প্রভাবটি আসলে খুব বড় ছিল তবে পরামিতি সঙ্কুচিত হওয়ার কারণে আরও খারাপ ভবিষ্যদ্বাণী হবে না কেন?

6
রিজ রিগ্রেশন কি উচ্চ মাত্রায় ( ) অকার্যকর ? ওএলএস কীভাবে অতিরিক্ত সাফল্য পেতে ব্যর্থ হতে পারে?
পূর্বাভাসকারী এবং নমুনা আকার সহ একটি ভাল পুরানো রিগ্রেশন সমস্যা বিবেচনা করুন । সাধারন জ্ঞান হ'ল ওএলএসের অনুমানকারী বেশি পরিমাণে আসবে এবং সাধারণত রিজ রিগ্রেশন অনুমানকারীকে ছাড়িয়ে যাবে:এটা তোলে ক্রস বৈধতা ব্যবহার করার জন্য একটি অনুকূল নিয়মিতকরণ প্যারামিটার এটি মান । এখানে আমি 10-গুণ সিভি ব্যবহার করি। স্পেসিফিকেশন আপডেট: যখন …

5
কীভাবে রিজ রিগ্রেশন সলিউশন পাবেন?
রিজ রিগ্রেশনটির জন্য সমাধানটির ব্যয় নিয়ে আমার কিছু সমস্যা রয়েছে। আমি নিয়মিতকরণ শব্দটি ছাড়াই রিগ্রেশন সমাধানটি জানি: β=(XTX)−1XTy.β=(XTX)−1XTy.\beta = (X^TX)^{-1}X^Ty. তবে ব্যয় কার্যক্রমে L2 শব্দটি করার পরে সমাধান কীভাবে আসেλ∥β∥22λ‖β‖22\lambda\|\beta\|_2^2 β=(XTX+λI)−1XTy.β=(XTX+λI)−1XTy.\beta = (X^TX + \lambda I)^{-1}X^Ty.

2
যদি কেবল ভবিষ্যদ্বাণী করা আগ্রহী হয় তবে লসো ওভার রিজটি কেন ব্যবহার করবেন?
পরিসংখ্যানগত শিক্ষার পরিচিতির 223 পৃষ্ঠায় , লেখকরা রিজ রিগ্রেশন এবং লাসোর মধ্যে পার্থক্যগুলির সংক্ষিপ্তসার জানিয়েছেন। তারা যখন "লাসো পক্ষপাতিত্ব, বৈকল্পিকতা এবং এমএসই-র ক্ষেত্রে রিজ রিগ্রেশনকে ছাড়িয়ে যায়" এর একটি উদাহরণ দেয় (চিত্র 6..৯)। আমি বুঝতে পারি যে লাসো কেন আকাঙ্ক্ষিত হতে পারে: এর ফলে বিরাট সমাধান পাওয়া যায় কারণ এটি …

3
কেন আমরা কেবল
আমি কেবল কৌতূহল বোধ করি কেন সাধারণত কেবলমাত্র এল1L1L_1 এবং এল2L2L_2 নিয়মাবলী নিয়মিত হয়। এগুলি আরও ভাল কেন তার প্রমাণ রয়েছে?

1
কখন নেস্টেড ক্রস-বৈধকরণের প্রয়োজন হয় এবং ব্যবহারিক পার্থক্য করতে পারে?
মডেল নির্বাচন করতে যেমন ক্রস-বৈধকরণ ব্যবহার করা হয় (যেমন উদাহরণস্বরূপ হাইপারপ্যারামিটার টিউনিং) এবং সেরা মডেলের কর্মক্ষমতা মূল্যায়ন করতে, একজনকে নেস্টেড ক্রস-বৈধকরণ ব্যবহার করা উচিত । বাইরের লুপটি মডেলটির কার্যকারিতা মূল্যায়ন করা এবং অভ্যন্তরীণ লুপটি সেরা মডেলটি নির্বাচন করা হয়; মডেলটি প্রতিটি বাহ্যিক-প্রশিক্ষণ সেটে নির্বাচিত হয় (অভ্যন্তরীণ সিভি লুপ ব্যবহার করে) …

3
লাসোতে সঙ্কোচন প্যারামিটার বা> 50 কে ভেরিয়েবলগুলির সাথে রিজ রিগ্রেশন কীভাবে অনুমান করা যায়?
আমি 50,000 এর বেশি ভেরিয়েবল সহ একটি মডেলের জন্য লাসো বা রিজ রিগ্রেশন ব্যবহার করতে চাই। আমি আর তে সফ্টওয়্যার প্যাকেজ ব্যবহার করে এটি করতে চাই the সংকীর্ণ প্যারামিটার ( ) কীভাবে অনুমান করতে পারি ?λλ\lambda সম্পাদনা: আমি এখানে পৌঁছতে পয়েন্টটি এখানে: set.seed (123) Y <- runif (1000) Xv <- …

2
ইলাস্টিক নেট নিয়মিতকরণ কী কী এবং এটি কীভাবে রিজ (
ইলাস্টিক নেট নিয়মিতকরণ কি সবসময়ই লাসো এবং রিজকে প্রাধান্য দেয় যেহেতু এই পদ্ধতির ত্রুটিগুলি সমাধান করার জন্য মনে হয়? অন্তর্দৃষ্টি কী এবং ইলাস্টিক জালের পিছনে গণিতটি কী?

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.