W sierpniu 2024 r. udostępnimy nową, ulepszoną wersję kursu Crash Course poświęconego systemom uczącym się. Śledź ten temat
Ten moduł skupia się na specjalnych wymaganiach dotyczących modeli poznanych na wektorach cech o wielu wymiarach.
Regularyzacja rozproszenia
Wróćmy do krzyżyków
- Zastrzeżenie: rozmieszczenie rozproszonych cech może znacznie zwiększyć ilość miejsca.
- Możliwe problemy:
- Rozmiar modelu (pamięć RAM) może stać się duży
- Współczynniki „szumu” (powodujące nadmierne dopasowanie)
L1 Regularyzacja
- Chce ukarać normę L0 wag
- Optymalizacja niewypukła; NP-trudna
L1 Regularyzacja
- Chce ukarać normę L0 wag
- Optymalizacja niewypukła; NP-trudna
- Zrelaksuj się do regularyzacji L1:
- Karz na sumę argumentów abs(weights)
- Zagadnienie wypukłe
- Zachęcają do rozproszenia w przeciwieństwie do L2