regularization
Data Science
Вопрос или проблема В sklearn.linear_model.LogisticRegression есть параметр C согласно документации Cfloat, по умолчанию = 1.0 Обратная величина к силе регуляризации; должно быть положительное число с плавающей точкой. Как и в машинах опорных векторов
Data Science
Вопрос или проблема Если мы изменим условие $ywx<0$ (для выполнения обновления) на $ywx<1$, как в SVM (но без добавления регуляризации для максимизации отступа), будет ли какая-либо разница по сравнению с базовым персептроном (тот самый с вышеупомянутым условием $ywx<
Data Science
Вопрос или проблема Я относительно новичок в машинном обучении, и любые предложения и исправления кода будут большой помощью. Я использую Lasso для отбора признаков и хочу выбрать лямбда, которая обеспечивает наименьшую ошибку.
Data Science
Вопрос или проблема L2-регуляризация приводит к минимизации значений в векторном параметре. L1-регуляризация приводит к установке некоторых коэффициентов в 0 в векторе параметров. Генерально, я наблюдал, что недифференцируемая регуляризационная функция
Data Science
Вопрос или проблема В настоящее время я работаю с книгой: «Введение в статистическое обучение с приложениями на Python». В упражнениях до сих пор я использовал пакет ISLP. Сейчас я пытаюсь решить упражнения из главы 6 и застрял на вопросе 8, часть (d).
Data Science
Вопрос или проблема У меня нет проблем с импортом данных формата Excel в R/R Studio и использованием всех других пакетов R, которые я использую. Но, когда я хочу использовать пакет glmnet для разработки модели регуляризации, я неизменно сталкиваюсь со
Data Science
Вопрос или проблема Насколько я знаю, мы не проверяем значимость коэффициентов в моделях Lasso и Elasticnet. Это связано с тем, что незначимые коэффициенты признаков будут сведены к нулю в этих моделях? Значит ли это, что все признаки в этих моделях значимы?
Data Science
Вопрос или проблема Я пишу академическую работу по применению методов машинного обучения к прогнозированию временных рядов, и не уверен, как описать теоретическую часть о регуляризованной целевой функции для XGBoost. Ниже вы можете найти уравнение, представленное
Data Science
Вопрос или проблема Мое понимание l2 регуляризации: Весы модели считаются имеющими априорное гауссово распределение, центрированное вокруг 0. Затем оценка MAP по данным добавляет дополнительное наказание в функцию стоимости. Мое сформулированное заявление