مروری بر موازنه ی تورش - واریانس و روش های بازنمونه گیری در یادگیری ماشین
- سال انتشار: 1400
- محل انتشار: چهارمین کنفرانس بین المللی محاسبات نرم
- کد COI اختصاصی: CSCG04_105
- زبان مقاله: فارسی
- تعداد مشاهده: 344
نویسندگان
دانشجوی دکتری ریاضی مالی، دانشگاه شهید مدنی آذربایجان
چکیده
امروزه با توجه به گسترش علم اطلاعات و در اختیار داشتن حجم وسیعی از داده ها و همچنین پیشرفت های گسترده در زمینه تکنولوژی، یادگیری ماشین به ابزاری بسیار مهم برای ساخت مدل در رشته های مختلف تبدیل شده است. اما با وجود تنوع بالا در مدل ها، نیاز به تکنیک هایی داریم که بتوانیم از بین مدل های مختلف بهترین مدل را با توجه به داده ها انتخاب کنیم. عملکرد کلی یک روش یادگیری به توانایی آن در پیش بینی داده های آزمون مستقل مرتبط است. ارزیابی عملکرد، ما را به سمت انتخاب درست مدل پیش می برد و یک اندازه برای مدل نهایی به دست می دهد. برای چنین کاری نیاز است مفاهیمی مانند تورش و واریانس را در این مدل ها بررسی کرده و به یک موازنه بین آنها برسیم، همچنین لازم است تکنیک های بازنمونه گیری را معرفی کنیم تا بتوان با استفاده از آنها بهترین مدل را انتخاب کرد. از جمله این تکنیک ها اعتبارسنجی متقابل و بوتاسترپ هستند. در این مقاله به این موضوعات می پردازیم.کلیدواژه ها
اعتبارسنجی متقابل، بازنمونه گیری، بوتاسترپ، تورش – واریانس، یادگیری ماشینمقالات مرتبط جدید
- دانش سنتی محیط زیست و بهره برداری از منابع آبی
- Design of Compact Microstrip Low Pass Filter using Transfer Function analysis
- تخمین ضریب توان توربین بادی با استفاده از یک مدل فازی-عصبی تطبیقی مبتنی بر الگوریتم HGO
- A new change point lifetime distribution and its application in reliability
- خوانش پذیری موسیقایی فرتور درب تکیه بیگلربیگی در شهر کرمانشاه از دیدگاه آیکونولوژی (شمایل شناسی) اروین پانوفسکی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.