xiyiiwb f w , b ( x i )
minw , bΣi = 1ngünlük( 1 + tecrübe( - ybenfw , b( xben) ) )+λ ∥ w ∥2
xbenybenbeneğitim setinizden. Bu işlev, sınıflandırma için kullansak da olasılıksal doğasını açıklayan tüm eğitim örnekleri üzerindeki ortak olasılıktan kaynaklanmaktadır. denkleminde ağırlık vektörünüz ve yanlılığınızdır. nın ne olduğunu bildiğinize . Minimizasyon problemindeki son terim, diğer şeylerin yanı sıra, modelin genelleştirilmesini kontrol eden düzenlenme terimidir.
wbfw , b( xben)
Tüm öğenizin normalleştirildiğini varsayarsak , örneğin büyüklüğüne bağlı olarak , hangi değişkenlerin daha önemli olduğunu görmek oldukça kolaydır: diğerlerinden daha büyük olanlar veya (negatif tarafta) ) diğerlerine göre daha küçük. Kaybı en çok etkilerler.xxx
Gerçekten önemli olan değişkenleri bulmaya hevesliyseniz ve süreçte birkaç şeyi tekmelemeyi , kayıp işlevinizi düzenleyebilirsiniz:
ℓ1
minw ,bΣi = 1ngünlük( 1 + tecrübe( - ybenfw , b( xben) ) )+λ| w |
Türevler veya düzenleyici oldukça basittir, bu yüzden burada bahsetmeyeceğim. Bu düzenlenme biçimini ve uygun bir içindeki daha az önemli unsurların sıfır olmasını ve diğerlerinin olmamasını zorlayacaktır .λw
Umarım bu yardımcı olur. Başka sorunuz varsa sorun.