इमेज 1 और 2 में, नीचे दी गई बातों का ध्यान रखें:
- नीले बिंदु, बीमार पेड़ों को दिखाते हैं.
- नारंगी बिंदु, स्वस्थ पेड़ों को दिखाते हैं.
पहला डायग्राम. क्या यह लीनियर समस्या है?
क्या आप कोई ऐसी लाइन बना सकते हैं जो बीमार पेड़ों को स्वस्थ पेड़ों से साफ़-साफ़ अलग करती हो? बेशक। यह एक लीनियर समस्या है. लाइन सही नहीं होगी. एक या दो बीमार बीमारियां & "स्वास्थ्य और &;; साइड में हो सकती हैं, लेकिन आपकी लाइन एक अच्छा अनुमान लगाने वाली होगी.
अब नीचे दी गई इमेज देखें:
दूसरा डायग्राम. क्या यह लीनियर समस्या है?
क्या आप एक ऐसी सीधी लाइन बना सकते हैं जो बीमार पेड़ों को जानवरों के पेड़ों से अलग करती हो? नहीं, ऐसा नहीं किया जा सकता. यह एक लीनियर समस्या है. अगर आप कोई लाइन बनाते हैं, तो यह बताता है कि पेड़ की परफ़ॉर्मेंस खराब है.
तीसरा डायग्राम. एक लाइन से दोनों कक्षाओं को अलग नहीं किया जा सकता.
इमेज 2 में दिखाई गई नॉनलीनियर समस्या को हल करने के लिए, फ़ीचर क्रॉस बनाएं. सुविधा क्रॉस एक सिंथेटिक सुविधा है, जो दो या दो से ज़्यादा इनपुट सुविधाओं को एक साथ रखकर सुविधा स्पेस में असमानता को कोड में बदलती है. (क्रॉस शब्द क्रॉस प्रॉडक्ट से आता है.) आइए's को \(x_3\) और \(x_1\) और \(x_2\)नाम से एक सुविधा क्रॉस बनाएं:
हम इस नई सुविधा को \(x_3\) किसी दूसरी सुविधा की तरह ही इस्तेमाल करते हैं. लीनियर फ़ॉर्मूला बन जाता है:
लीनियर एल्गोरिदम, \(w_3\)जैसे कि \(w_1\) और \(w_2\)के लिए कोई वज़न जान सकता है. दूसरे शब्दों में, \(w_3\) बिना लीनियर वाली जानकारी को कोड में बदलता है. आपको \(w_3\)की वैल्यू पता करने के लिए, लीनियर मॉडल को ट्रेनिंग देने की ज़रूरत नहीं है.
अलग-अलग तरह की सुविधाएं
हम कई तरह के फ़ीचर क्रॉस बना सकते हैं. उदाहरण के लिए:
[A X B]: दो सुविधाओं के मान को गुणा करके बनाई गई सुविधा का क्रॉस.[A x B x C x D x E]: पांच सुविधाओं के मान को गुणा करके बनाई गई सुविधा का क्रॉस.[A x A]: किसी एक सुविधा के बारे में बताने वाली क्रॉस सुविधा.
स्टेजिएंट ग्रेडिएंट डाउन की मदद से लीनियर मॉडल को आसानी से ट्रेनिंग दी जा सकती है. नतीजतन, फ़ीचर क्रॉस की मदद से स्केल किए गए लीनियर मॉडल को और बेहतर करना, बड़े पैमाने पर लागू होने वाले डेटा सेट को ट्रेनिंग देने का एक असरदार तरीका है.