कौन सी मशीन लर्निंग एल्गोरिदम (एसवीएम के अलावा) संरचनात्मक जोखिम कम करने के सिद्धांत का उपयोग करती है ?
कौन सी मशीन लर्निंग एल्गोरिदम (एसवीएम के अलावा) संरचनात्मक जोखिम कम करने के सिद्धांत का उपयोग करती है ?
जवाबों:
संरचनात्मक जोखिम कम करने का सिद्धांत एक ऐसा सिद्धांत है जो सभी मशीन शिक्षण विधियों में कम से कम आंशिक रूप से 'उपयोग' किया जाता है, क्योंकि ओवरफिटिंग को अक्सर ध्यान में रखा जाता है: मॉडल की जटिलता को कम करना (माना जाता है और व्यवहार में) सीमित करने का एक अच्छा तरीका है overfitting।
एसवीएम में स्पष्ट रूप से जटिलता ( सुविधा स्थान का आयाम , या कर्नेल फ़ंक्शन) के लिए एक पैरामीटर है और यह आवश्यक है क्योंकि जटिलता बढ़ाना सीखने के एल्गोरिथ्म का एक हिस्सा है।
न्यूरॉनल नेटवर्क में उनकी जटिलता ('कोशिकाओं' की संख्या) का एक आसान संकेतक भी होता है और यह संबंधित शिक्षण एल्गोरिथ्म का हिस्सा है।
इस सिद्धांत के बिना व्याकरण का अनुमान मूर्खतापूर्ण होगा और सही व्याकरण सभी संभव शब्दों की सूची है, इसलिए प्रत्येक गैर-तुच्छ एल्गोरिथ्म कम से कम इस सिद्धांत को स्वीकार करता है।
निर्णय पेड़ों की एंट्रोपी की अपनी धारणा है ।
समूहों को आंतरिक रूप से सिद्धांत के रूप में गिना या इस्तेमाल किया जा सकता है या उनके पास निश्चित संख्या में क्लस्टर होते हैं और उस स्थिति में आप सिद्धांत को उच्च स्तर पर लागू करते हैं।
पूरी तरह से ईमानदार होने के लिए मुझे वास्तव में नहीं पता है कि आनुवांशिक प्रोग्रामिंग में क्या होता है, लेकिन उनके पास जटिलता की आंतरिक धारणा नहीं है।
मैं अच्छी तरह से आगमनात्मक तर्क प्रोग्रामिंग नहीं जानता, लेकिन यह इस सिद्धांत को बहुत अच्छी तरह से नहीं समझता है।