Aischéimniú Rialaithe

Tátail, meastachán agus cinnteoireacht ó shonraí

Aimsíonn OLS na comhéifeachtaí a oireann is fearr do na sonraí oiliúna. Ach sin go díreach an fhadhb nuair a bhíonn go leor gnéithe agat, nó nuair nach bhfuil mórán sonraí ann: oireann sé don torann freisin, agus léimeann na comhéifeachtaí go luachanna fiáine. Ceansaíonn aischéimniú rialaithe an fhadhb seo trí phionós a chur le comhéifeachtaí móra, rud a fhágann go gcailltear beagán oiriúnachta ar na sonraí oiliúna ach go bhfaightear ginearálú i bhfad níos fearr.

Cuireann aischéimniú iomaire pionós L2 leis, is é sin fad cearnaithe an veicteora comhéifeachtaí:

Rialaíonn an cnaipe λ neart an phionóis. Is ionann λ = 0 agus gnáth-OLS; de réir mar a mhéadaíonn λ, crapann gach comhéifeacht i dtreo an nialais, rud a dhéanann an tsamhail níos míne. Réitíonn an crapadh seo drochchoinníollú (XᵀX)⁻¹ ón gceacht seo caite freisin: cuireann iomaire λI leis, rud a chinntíonn go bhfuil an mhaitrís inbhéartaithe i gcónaí.

Cá bhfeictear é seo in MLIs é pionós an iomaire an meáchan-mheath, an rialtóir is coitianta san fhoghlaim dhomhain, agus tá sé bácáilte isteach i ngach optimizer. Agus mar a chonaic tú i gceacht 8, is ionann iomaire agus MAP le roimhré Gaussach, agus is ionann lasso agus MAP le roimhré Laplace. Is trí ainm ar an smaoineamh céanna iad rialtacht, meáchan-mheath, agus roimhréanna Bayesacha: b'fhearr meáchain níos simplí,…
▶ Aischéimniú Rialaithe
← Diagnóisic MhúnlaDianscaoileadh Laofachta-Athraitheas →