L2 التسوية
اطّلِع على الخيارات أدناه.
تخيَّل نموذجًا خطيًا يتضمّن 100 ميزة إدخال:
10 مفيدة للغاية.
و90 شركة لا تقدّم معلومات مفيدة.
لنفترض أن جميع الخصائص لها قيم بين -1 و1.
أي من العبارات التالية صحيحة؟
سيشجّع ترتيب 2 العديد من القيم التقديرية غير الإعلامية على أن تكون تساوي 0.0 تقريبًا (وليس بالضبط).
نعم، يشجع تسوية L2 على أن تكون قيم الترجيح
قريبة من 0.0، ولكن ليس بقيمة 0.0.
سيشجّع الترتيب 2 على أن تكون معظم القيم التقديرية غير الإعلامية 0.0 بالضبط.
ولا تؤدي تسوية 2 إلى فرض ترجيحات على 0.0 بالضبط. يؤدي تسوية قيمة 2 إلى فرض عقوبات على الأوزان الأكبر حجمًا من الأوزان الأصغر. عندما يقترب الوزن من 0.0،
"يدفع" L2 "بقوة" أقل نحو 0.0.
إنّ تسوية قيمة 2 قد تؤثر في النموذج على متوسط
لبعض الميزات غير المفيدة.
من غير المفاجئ أنّ ذلك قد يحدث عندما تكون هناك ميزة غير مفيدة مرتبطة بتصنيف المحتوى. في هذه الحالة، يمنح النموذج بشكل غير صحيح هذه الميزات غير المفيدة جزءًا من "نسبة الإسهام" التي كان من المفترض أن تحصل عليها الميزات الإعلامية.
L2 التسوية والميزات ذات الصلة
اطّلِع على الخيارات أدناه.
تخيَّل نموذجًا خطيًا يتضمّن ميزتَين مرتبطتَين ارتباطًا وثيقًا، أي أنّ هاتين الميزتَين متطابقتان تقريبًا مع بعضهما، إلا أنّ إحدى الميزات تحتوي على مقدار صغير من التشويش العشوائي. إذا طبّقنا هذا النموذج باستخدام تسوية L2، ماذا سيحدث لقيم ترجيح هاتين الميزتَين؟
ولكلتا الميزتين قيمتان متساويتان تقريبًا ومعتدلة.
وسيؤدي تسوية 2 إلى فرض الميزات على قيم أوزان مكافئة تقريبًا تمثِّل نصف القيمة التي كانت ستتوفر بها إحدى الميزتَين فقط في النموذج.
وستبلغ قيمة إحدى الميزات وزنًا كبيرًا، بينما يبلغ وزن الميزة الأخرى 0.0 تقريبًا.
يؤدي تنظيم المستوى 2 إلى فرض عقوبات على الأوزان الكبيرة أكثر
من الأوزان الصغيرة. لذلك، حتى إذا بدأ أحد الوزنَين في الانخفاض بشكل أسرع من الآخر، قد يؤدي تسوية قيمة 2 إلى فرض انخفاض الوزن الأكبر بسرعة أكبر من الأوزان الأصغر.
سيكون لإحدى الميزات وزن كبير، بينما تبلغ قيمة الأخرى 0.0 بالضبط.
نادرًا ما تفرض التسوية 2 ترجيحًا بقيمة 0.0 بالضبط. في المقابل، تفرض التسوية 1 (التي تتم مناقشتها لاحقًا) ترجيحًا بقيمة 0.0 بالضبط.