Tanlov tushunchasi. Tanlovni yaratish, yig'ish va oldindan ishlov berish usullari. Abdumannonov Jamshidbek

Tanlov tushunchasi. Tanlovni yaratish, yig'ish va oldindan ishlov berish usullari

Tanlov tushunchasi. Tanlovni yaratish, yig'ish va oldindan ishlov berish usullari.

Abdumannonov Jamshidbek.

REJA:

• 
  1. Tanlov tushunchasi.
  
• 
  2. Tanlovni yaratish.
  
• 
  3. Tanlovni yig’ish va oldini olish.
  
• 
  4. Xulosa.
  

Tanlov tushunchasi

Oldingi postimda biz polinom regressiyasini ko'rib chiqdik. Python dasturini amalga oshirishda biz 4-tartibli polinomni tanladik. Biroq, ehtimol M = 4 polinom tartibi uchun "eng yaxshi" tanlov emas - lekin "eng yaxshi" tanlov nima va uni qanday topish mumkin?

Birinchidan, polinomimizning tartibi o'quv jarayoni boshlanishidan oldin o'rnatiladi va biz modelimizdagi ushbu maxsus parametrlarni "giperparametrlar" deb ataymiz. Ikkinchidan, ushbu giperparametrlarning qiymatlarini aniqlash jarayoni giperparametrlarni optimallashtirish deb ataladi va model tanlashning bir qismidir. Uchinchidan, oldingi postda aytib o'tilganidek, mashinani o'rganish asosan bashorat qilish bilan bog'liq, ya'ni biz "eng yaxshi" modelni kelajakdagi ma'lumotlar bo'yicha eng yaxshisini umumlashtiradigan model sifatida aniqlaymiz, ya'ni qaysi model ma'lumotlar bo'yicha eng yaxshi ishlaydi' ta'lim olganmisiz?

Buni aniqlash uchun biz odatda qandaydir baholash ko'rsatkichini o'ylab topmoqchimiz. Keyin biz o'quv ma'lumotlar to'plamini 3 qismga ajratamiz: trening, tekshirish (ba'zan ishlab chiqish deb ataladi) va test ma'lumotlar to'plami. Keyin biz o'quv ma'lumotlar to'plamida modelimizni o'rgatamiz, tasdiqlash ma'lumotlar to'plamida modelni tanlaymiz va test ma'lumotlar to'plamida modelni yakuniy baholashni amalga oshiramiz. Shunday qilib, biz eng kam umumlashtirish xatosi bo'lgan modelni aniqlashimiz mumkin. Umumlashtirish xatosi modelning ko'rinmaydigan ma'lumotlarga, ya'ni model o'rganilmagan ma'lumotlarga nisbatan ishlashini anglatadi.

Polinomli regressiya misoliga qaytaylik. Quyidagi rasmda men oldingi postdagi maʼlumotlar nuqtalarini haqiqiy funksiya va 4 xil tartibdagi 4 ta taxminiy koʻphad bilan birga chizdim: 2, 4, 6 va 8. Polinomning tartibini oshirganimizda, biz modelimizning murakkabligini oshiring, bu taxminan modeldagi parametrlar soni bilan bog'liq deb ko'rish mumkin. Shunday qilib, bizning modelimiz qanchalik ko'p parametrlarga ega bo'lsa, u shunchalik murakkabroq.