Review Ưu điểm của bootstrapping trong học máy
Kinh Nghiệm về Ưu điểm của bootstrapping trong học máy Mới Nhất
Dương Khoa Vũ đang tìm kiếm từ khóa Ưu điểm của bootstrapping trong học máy được Update vào lúc : 2022-12-21 19:44:04 . Với phương châm chia sẻ Bí kíp Hướng dẫn trong nội dung bài viết một cách Chi Tiết Mới Nhất. Nếu sau khi Read Post vẫn ko hiểu thì hoàn toàn có thể lại Comments ở cuối bài để Admin lý giải và hướng dẫn lại nha.Bạn đã bao giờ phải vật lộn để cải tổ thứ hạng của tớ trong cuộc thi hackathon học máy trên DataHack hoặc Kaggle chưa? . Tôi đã từng ở đó và đó là một trải nghiệm khá rất khó chịu
Nội dung chính Show- Một số lợi thế của việc sử dụng phương pháp lấy mẫu bootstrap là gì?Bootstrapping là gì và tại sao nó lại quan trọng?Khi nào nên sử dụng bootstrapping?Bootstrapping có tăng độ đúng chuẩn không?
Điều này đặc biệt có liên quan trong những ngày đầu tiên của bạn trong nghành này. Chúng tôi có xu hướng sử dụng những kỹ thuật quen thuộc mà chúng tôi đã học, như hồi quy tuyến tính, hồi quy logistic, v.v. (tùy thuộc vào tuyên bố vấn đề)
Và sau đó là Lấy mẫu Bootstrap. Đó là một khái niệm mạnh mẽ và tự tin đã đẩy thứ hạng của tôi lên vị trí cao hơn trong những bảng xếp hạng hackathon này. Và đó là một kinh nghiệm tay nghề học tập
Lấy mẫu Bootstrap là một kỹ thuật mà tôi cảm thấy mọi nhà khoa học tài liệu, dù có tham vọng hay đã thành danh, đều nên phải học
Vì vậy, trong nội dung bài viết này, tất cả chúng ta sẽ tìm hiểu mọi thứ bạn nên phải biết về lấy mẫu bootstrap. Nó là gì, tại sao nó được yêu cầu, nó hoạt động và sinh hoạt giải trí ra làm sao và nó phù hợp ở đâu trong bức tranh học máy. Chúng tôi cũng tiếp tục triển khai lấy mẫu bootstrap bằng Python
Lấy mẫu Bootstrap là gì?Đây là một định nghĩa chính thức về Lấy mẫu Bootstrap
Trong thống kê, Lấy mẫu Bootstrap là một phương pháp liên quan đến việc vẽ tài liệu mẫu lặp đi lặp lại với sự thay thế từ nguồn tài liệu để ước tính tham số dân số
Đợi đã - điều đó quá phức tạp. Hãy chia nhỏ nó ra và hiểu những thuật ngữ chính
- Lấy mẫu. Đối với thống kê, lấy mẫu là quá trình chọn một tập hợp con những mục từ một tập hợp lớn những mục (dân số) để ước tính một đặc điểm nhất định của toàn bộ dân sốLấy mẫu có thay thế. Điều đó nghĩa là một điểm tài liệu trong một mẫu đã vẽ cũng hoàn toàn có thể xuất hiện lại trong bộ sưu tập đã vẽ trong tương laiước tính tham số. Đây là một phương pháp ước tính những tham số cho dân số bằng phương pháp sử dụng bộ sưu tập. Một tham số là một đặc điểm hoàn toàn có thể đo lường được link với một dân số. Ví dụ: độ cao trung bình của dân cư trong thành phố, số lượng tế bào hồng cầu, v.v.
Với kiến thức đó, hãy tiếp tục và đọc lại định nghĩa trên một lần nữa. Bây giờ nó sẽ có ý nghĩa hơn nhiều
Tại sao tất cả chúng ta cần lấy mẫu Bootstrap?Đây là một thắc mắc cơ bản mà tôi đã thấy những người dân đam mê học máy vật lộn với. Điểm lấy mẫu Bootstrap là gì?
Giả sử tất cả chúng ta muốn tìm độ cao trung bình của tất cả học viên trong một trường học (có tổng dân số là một trong.000). Vì vậy, làm thế nào tất cả chúng ta hoàn toàn có thể thực hiện trách nhiệm này?
Một cách tiếp cận là đo độ cao của tất cả học viên và sau đó tính độ cao trung bình. Tôi đã minh họa quá trình này dưới đây
Tuy nhiên, đây sẽ là một trách nhiệm tẻ nhạt. Thử nghĩ mà xem, tất cả chúng ta sẽ phải đo độ cao của một.000 học viên riêng lẻ rồi tính độ cao trung bình. Nó sẽ mất nhiều ngày. Chúng ta cần một cách tiếp cận thông minh hơn ở đây
Đây là lúc Lấy mẫu Bootstrap phát huy tác dụng
Thay vì đo độ cao của tất cả học viên, tất cả chúng ta hoàn toàn có thể lấy một mẫu ngẫu nhiên gồm 5 học viên và đo độ cao của tớ. Chúng tôi sẽ lặp lại quy trình này 20 lần và sau đó tính trung bình tài liệu độ cao thu thập được của 100 học viên (5 x 20). Chiều cao trung bình này sẽ là ước tính về độ cao trung bình của tất cả học viên của trường
Khá đơn giản, phải không?
Do đó, khi phải ước tính một tham số của một tổng thể lớn, tất cả chúng ta hoàn toàn có thể nhờ việc trợ giúp của Bootstrap Sampling
Lấy mẫu Bootstrap trong Machine LearningLấy mẫu bootstrap được sử dụng trong thuật toán tập hợp máy học được gọi là tổng hợp bootstrap (còn gọi là đóng bao). Nó giúp tránh trang bị quá mức và cải tổ tính ổn định của những thuật toán học máy
Trong đóng gói, một số trong những tập hợp con có kích thước bằng nhau nhất định của tập tài liệu được trích xuất bằng phương pháp thay thế. Sau đó, một thuật toán học máy được áp dụng cho từng tập hợp con này và những đầu ra được phối hợp như tôi đã minh họa phía dưới
Bạn hoàn toàn có thể đọc và biết thêm về học tập đồng bộ tại đây
- Hướng dẫn toàn diện về học tập đồng bộ (có mã Python)
Đã đến lúc thử nghiệm việc học của tất cả chúng ta và triển khai khái niệm Lấy mẫu Bootstrap trong Python
Trong phần này, chúng tôi sẽ nỗ lực ước tính trung dân dã số với sự trợ giúp của lấy mẫu bootstrap. Hãy nhập những thư viện thiết yếu
Tiếp theo, chúng tôi sẽ tạo phân phối Gaussian (dân số) gồm 10.000 phần tử với dân số nghĩa là 500
đầu ra. 500. 00889503613934
Bây giờ, chúng tôi sẽ rút ra 40 mẫu có kích thước 5 từ phân phối (dân số) và tính giá trị trung bình cho từng mẫu
Hãy kiểm tra giá trị trung bình của những giá trị trung bình của tất cả 40 mẫu
np.mean(sample_mean)đầu ra. 500. 024133172629
Nó hóa ra là khá gần với dân số nghĩa là. Đây là nguyên do tại sao Lấy mẫu Bootstrap là một kỹ thuật hữu ích trong thống kê và học máy
Tóm tắt những gì tất cả chúng ta đã họcTrong nội dung bài viết này, tất cả chúng ta đã tìm hiểu về tiện ích của Bootstrap Sampling trong thống kê và học máy. Chúng tôi đã và đang triển khai nó bằng Python và đã xác minh tính hiệu suất cao của nó
Dưới đây là một vài quyền lợi chính của bootstrapping
- Tham số ước tính bằng phương pháp lấy mẫu bootstrap hoàn toàn có thể so sánh với tham số dân số thực tếVì chúng tôi chỉ việc một vài mẫu để khởi động, yêu cầu tính toán là rất ítTrong Random Forest, kích thước mẫu bootstrap thậm chí 20% cho hiệu suất tương đối tốt như hình dưới đây
Hiệu suất quy mô đạt cực lớn khi tài liệu đáp ứng nhỏ hơn 0. 2 phần của tập tài liệu gốc
Một số lợi thế của việc sử dụng phương pháp lấy mẫu bootstrap là gì?
“Ưu điểm của bootstrapping là đó là một cách đơn giản để lấy những ước tính về sai số chuẩn và khoảng chừng tin cậy , đồng thời thuận tiện .Bootstrapping là gì và tại sao nó lại quan trọng?
Nó được cho phép những người dân marketing thương mại giữ toàn quyền sở hữu doanh nghiệp của tớ . Khi những nhà đầu tư tương hỗ một doanh nghiệp, họ làm như vậy để đổi lấy phần trăm quyền sở hữu. Bootstrapping được cho phép chủ sở hữu khởi nghiệp giữ lại phần vốn chủ sở hữu của tớ. Nó buộc những chủ doanh nghiệp phải tạo ra một quy mô thực sự hiệu suất cao.Khi nào nên sử dụng bootstrapping?
Phương pháp bootstrap là kỹ thuật lấy mẫu lại được sử dụng để ước tính số liệu thống kê về tổng thể bằng phương pháp lấy mẫu tập tài liệu có thay thế . Nó hoàn toàn có thể được sử dụng để ước tính số liệu thống kê tóm tắt như giá trị trung bình hoặc độ lệch chuẩn.Bootstrapping có tăng độ đúng chuẩn không?
Tổng hợp Bootstrap, còn được gọi là đóng bao, là một phương pháp tập hợp ngẫu nhiên được thiết kế để tăng tính ổn định và độ đúng chuẩn của quy mô . Nó liên quan đến việc tạo ra một loạt những quy mô từ cùng một tập tài liệu đào tạo bằng phương pháp lấy mẫu ngẫu nhiên bằng phương pháp thay thế tài liệu. Tải thêm tài liệu liên quan đến nội dung bài viết Ưu điểm của bootstrapping trong học máy programming bootstrap
Post a Comment