Публикации по теме 'bias-variance-tradeoff'
Декомпозиция дисперсии смещения в условиях регрессии
Концепция декомпозиции дисперсии смещения очень убедительна, поскольку она помогает вам лучше понять алгоритмы и с легкостью играть с ними. Это поможет вам понять, как возникают ошибки из-за предвзятости и дисперсии в вашей модели и процессе подбора данных для лучшего выбора моделирования.
Что такое функция регрессии?
Предположим, у нас есть данные о двух переменных 𝑿 и 𝒀, функция 𝒀 — это то, что мы пытаемся предсказать, она же зависимая переменная, а 𝑿 — входная или независимая..
Предвзятость — Дисперсия Компромисс и регуляризация
Что такое предвзятость?
Если модель машинного обучения очень плохо работает с набором данных, потому что она не обобщает все ваши точки данных, это когда вы говорите, что ваша модель имеет большое смещение, и говорят, что модель не соответствует.
Ошибка между средним предсказанием модели и наземной правдой Смещение оцениваемой функции говорит нам о способности базовой модели предсказывать значения.
Что такое дисперсия?
Если модель машинного обучения пытается успешно учесть все..
Перспективы ваших разделов данных
Перспективы ваших разделов данных
Разделение данных и призрак в машине
Разделение данных на обучающие и тестовые разделы - важный шаг к улучшению наших прогнозов. Моделирование некоторых данных и тестирование этой модели посредством прогнозирования на оставшихся выборках - вот как мы можем понять и компенсировать смещение и дисперсию, центральную дилемму машинного обучения.
Использовать Python для разделения данных очень просто с помощью функции train_test_split в scikit-learn...
Преодоление дилеммы смещения и дисперсии: руководство для специалистов по машинному обучению
Инь и Ян машинного обучения: уравновешивание предвзятости и дисперсии
Компромисс между смещением и дисперсией – это фундаментальная концепция машинного обучения и статистики, связанная со способностью модели точно фиксировать базовые закономерности в наборе данных . По сути, компромисс между смещением и дисперсией относится к балансу между сложностью модели и ее способностью обобщать новые, неизвестные данные .
У нас есть данные, которые мы используем для обучения, и у нас..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..