প্রশ্ন ট্যাগ «standardization»

সাধারণত "জেড-স্ট্যান্ডার্ডাইজেশন" বোঝায় যা তাদের শূন্য এবং গড়ের একক বৈকল্পিকতা নিশ্চিত করার জন্য ডেটা স্থানান্তর এবং পুনরুদ্ধার করছে। অন্যান্য "স্ট্যান্ডার্ডাইজেশন "ও সম্ভব।

7
একাধিক রিগ্রেশন পরিচালনা করার সময়, আপনি কখন আপনার পূর্বাভাসক ভেরিয়েবলগুলি কেন্দ্র করবেন এবং কখন সেগুলি মানদণ্ডে আনতে হবে?
কিছু সাহিত্যে, আমি পড়েছি যে একাধিক ব্যাখ্যামূলক ভেরিয়েবলগুলির সাথে একটি রিগ্রেশন, যদি বিভিন্ন ইউনিটে হয়, মানিক করা দরকার। (স্ট্যান্ডার্ডাইজিং মানে গড় বিয়োগ করে এবং স্ট্যান্ডার্ড বিচ্যুতি দ্বারা বিভক্ত হয়ে থাকে)) কোন অন্যান্য ক্ষেত্রে আমার ডেটা মানক করার দরকার আছে? এমন কোনও মামলা রয়েছে যেখানে আমার কেবলমাত্র আমার ডেটা কেন্দ্র করা …

5
নরমালাইজেশন এবং মানককরণের মধ্যে পার্থক্য কী?
কর্মস্থলে আমরা এটি নিয়ে আলোচনা করছিলাম কারণ আমার বস কখনও সাধারণীকরণের কথা শুনেনি। লিনিয়ার বীজগণিতের মধ্যে, সাধারণীকরণটি কোনও ভেক্টরের দৈর্ঘ্য দ্বারা বিভাজনকে বোঝায় বলে মনে হয়। এবং পরিসংখ্যানগুলিতে, স্ট্যান্ডার্ডাইজেশন তার এসডি দ্বারা বিভাজক একটি গড়ের বিয়োগফলকে বোঝায়। তবে এগুলি অন্যান্য সম্ভাবনার সাথেও বিনিময়যোগ্য বলে মনে হয়। কোনও ধরণের সার্বজনীন স্কোর …

3
কোনও মডেল তৈরি করার আগে প্রায়শই ভেরিয়েবলগুলি অ্যাডজাস্ট করা হয় (যেমন মানসম্মত) - এটি কখন ভাল ধারণা এবং এটি কখন খারাপ?
কোন পরিস্থিতিতে আপনি মডেল ফিটিংয়ের আগে কোনও পরিবর্তনকে স্কেল বা মানক করতে চান না? এবং একটি পরিবর্তনশীল স্কেলিং এর সুবিধা / অসুবিধাগুলি কী কী?

3
মডেল বৈধকরণের আগে বা এর মধ্যে বৈশিষ্ট্যটির নরমালাইজেশন সম্পাদন করবেন?
মেশিন লার্নিংয়ে একটি সাধারণ ভাল অনুশীলন হ'ল ভবিষ্যদ্বাণীকারী ভেরিয়েবলগুলির বৈশিষ্ট্য সাধারনকরণ বা ডেটা মানিককরণ করা, এটি হ'ল ডেটাটিকে কেন্দ্র করে এবং এটি বৈকল্পিক (বা মানক বিচ্যুতি দ্বারা) বিভাজনকে সাধারণ করে তোলে। স্ব সংযোজন এবং আমার বোঝার জন্য আমরা দুটি প্রধান জিনিস অর্জনের জন্য এটি করি: সংখ্যাগত স্থিতিশীলতার লক্ষ্যে অতিরিক্ত ছোট …

1
ট্রেনিং-এবং টেস্টসেটের মান নির্ধারণ / নরমালাইজেশন কীভাবে প্রয়োগ করতে হবে যদি ভবিষ্যদ্বাণী করা লক্ষ্য হয়?
আমি কি একই সাথে আমার সমস্ত ডেটা বা ফোল্ডগুলি (যদি সিভি প্রয়োগ করা হয়) রূপান্তর করি? যেমন (allData - mean(allData)) / sd(allData) আমি কি ট্রেনসেট এবং টেস্টসেটকে আলাদাভাবে রূপান্তর করব? যেমন (trainData - mean(trainData)) / sd(trainData) (testData - mean(testData)) / sd(testData) অথবা আমি ট্রেনসেটটি রূপান্তর করব এবং টেস্টসেটে গণনাগুলি ব্যবহার …

3
লজিস্টিক রিগ্রেশন ফিটিং করার আগে মানিককরণ প্রয়োজন?
আমার প্রশ্ন হ'ল লজিস্টিক রিগ্রেশন ফিটিংয়ের আগে [0,1] এর মধ্যে সমস্ত ভেরিয়েবলের একই স্কেল রয়েছে কিনা তা নিশ্চিত করার জন্য আমাদের কী ডেটা সেট মানক করা দরকার? সূত্রটি হ'ল: xi−min(xi)max(xi)−min(xi)xi−min(xi)max(xi)−min(xi)\frac{x_i-\min(x_i)}{\max(x_i)-\min(x_i)} আমার ডেটা সেটে 2 টি ভেরিয়েবল রয়েছে, তারা দুটি চ্যানেলের জন্য একই জিনিস বর্ণনা করে তবে ভলিউমটি আলাদা। বলুন এটি …

2
লিনিয়ার রিগ্রেশন-এ কখন এবং কীভাবে প্রমিত বর্ণনামূলক ভেরিয়েবলগুলি ব্যবহার করবেন use
লিনিয়ার রিগ্রেশন সম্পর্কে আমার কাছে দুটি সাধারণ প্রশ্ন রয়েছে: ব্যাখ্যামূলক ভেরিয়েবলগুলি মানক করার পরামর্শ কখন দেওয়া হয়? মান নির্ধারিত মানগুলির সাথে একবার অনুমান করা হয়ে গেলে, কীভাবে নতুন মানগুলির সাথে ভবিষ্যদ্বাণী করা যায় (কীভাবে নতুন মানগুলিকে মানিক করা উচিত)? কিছু তথ্যসূত্র সহায়ক হবে।

3
লাসোর জন্য সূচক / বাইনারি / ডামি ভবিষ্যদ্বাণী পুনরুদ্ধার করবেন কিনা whether
লাসো (এবং অন্যান্য মডেল নির্বাচন পদ্ধতি) এর জন্য ভবিষ্যদ্বাণীকারীদের পুনরুদ্ধার করা অত্যন্ত গুরুত্বপূর্ণ। আমি যে সাধারণ সুপারিশটি অনুসরণ করি তা হ'ল অবিচ্ছিন্ন ভেরিয়েবলের জন্য 0 গড়, 1 স্ট্যান্ডার্ড বিচ্যুতি নরমালাইজেশন ব্যবহার করা। তবে ডমি নিয়ে কী করার আছে? উদাহরণস্বরূপ , একই (দুর্দান্ত) গ্রীষ্মের স্কুল থেকে কিছু প্রয়োগিত উদাহরণ যা আমি …

2
লাসোর আগে মানিককরণ কি আসলেই প্রয়োজনীয়?
আমি Lassoরিগ্রেশন জাতীয় কিছু আগে ভেরিয়েবলকে মানীকরণের তিনটি প্রধান কারণ পড়েছি : 1) সহগের ব্যাখ্যা। 2) সংকোচনের পরবর্তী সহগ অনুমানের তুলনামূলক পরিমাণের দ্বারা গুণমানের গুরুত্বকে র‌্যাঙ্ক করার ক্ষমতা। 3) বাধা প্রয়োজন নেই। তবে আমি সবচেয়ে গুরুত্বপূর্ণ বিষয়টি নিয়ে ভাবছি। আমাদের কী ভাবার কারণ আছে যে মডেলাইজেশনটি মডেলটির নমুনা সাধারণীকরণের বাইরে …


3
"নরমালাইজেশন" বলতে কী বোঝায় এবং কীভাবে যাচাই করবেন যে কোনও নমুনা বা বিতরণকে স্বাভাবিক করা হয়েছে?
আমার একটি প্রশ্ন রয়েছে যাতে এটি ইউনিফর্ম বিতরণ ( Uniform(a,b)Uniform(a,b){\rm Uniform}(a,b) ) স্বাভাবিক করা হয়েছে কিনা তা যাচাই করতে জিজ্ঞাসা করে । একটির জন্য, কোনও বিতরণকে স্বাভাবিক করার অর্থ কী? এবং দুটি, আমরা কীভাবে যাচাই করব যে কোনও বিতরণ স্বাভাবিক হয়েছে কিনা? আমি এক্স - গড় গণনা করে বুঝতে পারি …

2
রিজ রিগ্রেশনকে মানীকরণ সম্পর্কে প্রশ্ন
ওহে ছেলেরা আমি এক বা দুটি কাগজপত্র পেয়েছি যা রিজ রিগ্রেশন (বাস্কেটবলের ডেটার জন্য) ব্যবহার করে। যদি আমি একটি রিজ রিগ্রেশন চালাই তবে আমাকে সর্বদা আমার ভেরিয়েবলগুলি মানীকরণ করতে বলা হয়েছিল, তবে আমাকে কেবল এটি করতে বলা হয়েছিল কারণ রিজ স্কেল ভেরিয়েন্ট ছিল (রিজ রিগ্রেশন আসলেই আমাদের কোর্সের অংশ ছিল …

2
প্যানেল / দ্রাঘিমাংশের ডেটা সহ কোনও রিগ্রেশনটিতে আপনার ডেটা মানক করা ভাল অনুশীলন?
সাধারণভাবে, সহগের সাথে সঠিকভাবে তুলনা করার জন্য আমি আমার স্বাধীন পরিবর্তনশীলগুলিকে প্রমিতগুলিতে মানক করি (এইভাবে তাদের একই ইউনিট রয়েছে: মানক বিচ্যুতি)। যাইহোক, প্যানেল / দ্রাঘিমাংশীয় ডেটা সহ, আমি নিশ্চিত না যে আমার ডেটা কীভাবে প্রমিত করা উচিত, বিশেষত যদি আমি শ্রেণিবদ্ধ মডেলটি অনুমান করি। এটি কেন একটি সম্ভাব্য সমস্যা হতে …

1
রিগ্রেশনে ডেটা কেন্দ্রিং এবং মানককরণের প্রয়োজন
কিছু নিয়মিতকরণের সাথে লিনিয়ার রিগ্রেশন বিবেচনা করুন: উদাহরণস্বরূপ যেটি হ্রাস করুন | | একটি এক্স - বি | | 2 + λ | | এক্স | | 1xxx||Ax−b||2+λ||x||1||Ax−b||2+λ||x||1||Ax - b||^2+\lambda||x||_1 সাধারণত, এ এর ​​কলামগুলিকে শূন্য গড় এবং একক আদর্শ হিসাবে মানক করা হয়, এবং শূন্য গড় হিসাবে কেন্দ্রীভূত হয়। মানককরণ …

2
এলোমেলো অরণ্যের কি স্কেল বা কেন্দ্রীকরণের জন্য ইনপুট ভেরিয়েবলগুলি দরকার?
আমার ইনপুট ভেরিয়েবলগুলির বিভিন্ন মাত্রা রয়েছে। কিছু ভেরিয়েবল দশমিক এবং কিছু কয়েকশ হয়। এলোমেলো বন ব্যবহার করার সময় ডেটাকে মাত্রাবিহীন করতে এই ইনপুট ভেরিয়েবলগুলি কেন্দ্র (বিয়োগের গড়) বা স্কেল (স্ট্যান্ডার্ড বিচ্যুতি দ্বারা বিভাজন) করা কী প্রয়োজনীয়?

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.