সেভ করা পৃষ্ঠা গুছিয়ে রাখতে 'সংগ্রহ' ব্যবহার করুন
আপনার পছন্দ অনুযায়ী কন্টেন্ট সেভ করুন ও সঠিক বিভাগে রাখুন।
L 2 নিয়মিতকরণ পরীক্ষা করা হচ্ছে
এই অনুশীলনে একটি ছোট, কোলাহলপূর্ণ প্রশিক্ষণ ডেটা সেট রয়েছে। এই ধরনের সেটিংয়ে, ওভারফিটিং একটি আসল উদ্বেগের বিষয়। সৌভাগ্যবশত, নিয়মিতকরণ সাহায্য করতে পারে।
এই অনুশীলনটি তিনটি সম্পর্কিত কাজ নিয়ে গঠিত। তিনটি কাজ জুড়ে তুলনা সহজ করতে, একটি পৃথক ট্যাবে প্রতিটি কাজ চালান।
টাস্ক 1: কমপক্ষে 500টি যুগের জন্য প্রদত্ত মডেলটি চালান। নিম্নলিখিত নোট করুন:
টেস্ট হার।
টেস্ট হার এবং ট্রেনিং হারের মধ্যে ডেল্টা।
বৈশিষ্ট্য এবং বৈশিষ্ট্য ক্রস শেখা ওজন. (FEATURES থেকে OUTPUT পর্যন্ত চলমান প্রতিটি লাইনের আপেক্ষিক বেধ সেই বৈশিষ্ট্য বা বৈশিষ্ট্য ক্রসের জন্য শেখা ওজনকে উপস্থাপন করে। আপনি প্রতিটি লাইনের উপর ঘোরার মাধ্যমে সঠিক ওজনের মান খুঁজে পেতে পারেন।)
টাস্ক 2: ( একটি পৃথক ট্যাবে এই কাজটি করার কথা বিবেচনা করুন। ) নিয়মিতকরণের হার 0 থেকে 0.3 পর্যন্ত বাড়ান। তারপরে, কমপক্ষে 500টি যুগের জন্য মডেলটি চালান এবং নিম্নলিখিত প্রশ্নের উত্তর খুঁজুন:
টাস্ক 2-এ টেস্ট হার টাস্ক 1-এর টেস্ট হার থেকে কীভাবে আলাদা?
টাস্ক 2-এ টেস্ট লস এবং ট্রেনিং লসের মধ্যে ডেল্টা টাস্ক 1 এর থেকে কীভাবে আলাদা?
প্রতিটি বৈশিষ্ট্য এবং বৈশিষ্ট্য ক্রসের শেখা ওজনগুলি টাস্ক 2 থেকে টাস্ক 1 থেকে কীভাবে আলাদা?
আপনার ফলাফল মডেল জটিলতা সম্পর্কে কি বলে?
টাস্ক 3: নিয়মিতকরণের হার নিয়ে পরীক্ষা করুন, সর্বোত্তম মান খুঁজে বের করার চেষ্টা করুন।
(উত্তরগুলি অনুশীলনের ঠিক নীচে প্রদর্শিত হবে।)
উত্তরের জন্য প্লাস আইকনে ক্লিক করুন।
নিয়মিতকরণের হার 0 থেকে 0.3 বৃদ্ধি করলে নিম্নলিখিত প্রভাবগুলি তৈরি হয়:
পরীক্ষার ক্ষতি উল্লেখযোগ্যভাবে কমে যায়।
দ্রষ্টব্য: পরীক্ষার ক্ষতি কমে গেলে, প্রশিক্ষণের ক্ষতি আসলে বেড়ে যায় । এটি প্রত্যাশিত, কারণ আপনি জটিলতাকে শাস্তি দেওয়ার জন্য ক্ষতি ফাংশনে আরেকটি শব্দ যোগ করেছেন। পরিশেষে, যে সমস্ত বিষয়গুলি পরীক্ষায় ক্ষতি, কারণ এটিই মডেলের নতুন ডেটাতে ভাল ভবিষ্যদ্বাণী করার ক্ষমতার সঠিক পরিমাপ।
টেস্ট হার এবং ট্রেনিং লসের মধ্যে ডেল্টা উল্লেখযোগ্যভাবে কমে যায়।
বৈশিষ্ট্যগুলির ওজন এবং কিছু বৈশিষ্ট্যের ক্রসগুলির নিম্ন পরম মান রয়েছে, যা বোঝায় যে মডেলের জটিলতা হ্রাস পেয়েছে৷
ডেটা সেটের এলোমেলোতার পরিপ্রেক্ষিতে, কোন নিয়মিতকরণের হার আপনার জন্য সর্বোত্তম ফলাফল এনেছে তা অনুমান করা অসম্ভব। আমাদের জন্য, 0.3 বা 1-এর একটি নিয়মিতকরণের হার সাধারণত সর্বনিম্ন টেস্ট হার তৈরি করে।
[[["সহজে বোঝা যায়","easyToUnderstand","thumb-up"],["আমার সমস্যার সমাধান হয়েছে","solvedMyProblem","thumb-up"],["অন্যান্য","otherUp","thumb-up"]],[["এতে আমার প্রয়োজনীয় তথ্য নেই","missingTheInformationINeed","thumb-down"],["খুব জটিল / অনেক ধাপ","tooComplicatedTooManySteps","thumb-down"],["পুরনো","outOfDate","thumb-down"],["অনুবাদ সংক্রান্ত সমস্যা","translationIssue","thumb-down"],["নমুনা / কোড সংক্রান্ত সমস্যা","samplesCodeIssue","thumb-down"],["অন্যান্য","otherDown","thumb-down"]],["2024-08-22 UTC-তে শেষবার আপডেট করা হয়েছে।"],[],[]]
