مقاله پایداری و مدیریت L2 در میانگین گیری مدل
| عنوان مقاله به انگلیسی | Stability and L2-penalty in Model Averaging |
| عنوان مقاله به فارسی | مقاله پایداری و مدیریت L2 در میانگین گیری مدل |
| نویسندگان | Hengkun Zhu, Guohua Zou |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 0 |
| دسته بندی موضوعات | Machine Learning,Machine Learning,یادگیری ماشین , یادگیری ماشین , |
| توضیحات | Submitted 23 November, 2023; originally announced November 2023. , Comments: 47 pages, 14 figures, 1 table. This article was submitted to Journal of Machine Learning Research in July 2023 , MSC Class: 68Q32; 62J05 |
| توضیحات به فارسی | ارسال شده 23 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد ، نظرات: 47 صفحه ، 14 شکل ، 1 جدول.این مقاله در ژوئیه 2023 به مجله تحقیقات یادگیری ماشین ارسال شده است ، کلاس MSC: 68Q32 ؛62J05 |
چکیده
Model averaging has received much attention in the past two decades, which integrates available information by averaging over potential models. Although various model averaging methods have been developed, there are few literatures on the theoretical properties of model averaging from the perspective of stability, and the majority of these methods constrain model weights to a simplex. The aim of this paper is to introduce stability from statistical learning theory into model averaging. Thus, we define the stability, asymptotic empirical risk minimizer, generalization, and consistency of model averaging and study the relationship among them. Our results indicate that stability can ensure that model averaging has good generalization performance and consistency under reasonable conditions, where consistency means model averaging estimator can asymptotically minimize the mean squared prediction error. We also propose a L2-penalty model averaging method without limiting model weights and prove that it has stability and consistency. In order to reduce the impact of tuning parameter selection, we use 10-fold cross-validation to select a candidate set of tuning parameters and perform a weighted average of the estimators of model weights based on estimation errors. The Monte Carlo simulation and an illustrative application demonstrate the usefulness of the proposed method.
چکیده به فارسی (ترجمه ماشینی)
میانگین مدل در دو دهه گذشته مورد توجه بسیاری قرار گرفته است ، که با میانگین مدلهای بالقوه ، اطلاعات موجود را ادغام می کند.اگرچه روشهای مختلف متوسط مدل توسعه یافته است ، اما در مورد خصوصیات نظری مدل به طور متوسط از منظر ثبات ، و اکثر این روشها وزن مدل را به یک سیمپلکس محدود می کند.هدف از این مقاله ، معرفی ثبات از تئوری یادگیری آماری به میانگین مدل است.بنابراین ، ما ثبات ، مینیم کننده خطر تجربی بدون علامت ، تعمیم و قوام میانگین مدل را تعریف می کنیم و رابطه بین آنها را مطالعه می کنیم.نتایج ما نشان می دهد که ثبات می تواند اطمینان حاصل کند که میانگین مدل دارای عملکرد و ثبات خوب در شرایط معقول است ، جایی که قوام به معنای برآوردگر میانگین مدل می تواند به صورت مجانبی خطای پیش بینی مربع را به حداقل برساند.ما همچنین یک روش میانگین مدل L2-Penalty را بدون محدود کردن وزن مدل پیشنهاد می کنیم و ثابت می کنیم که از ثبات و ثبات برخوردار است.به منظور کاهش تأثیر انتخاب پارامتر تنظیم ، ما از اعتبار سنجی متقاطع 10 برابر برای انتخاب یک مجموعه نامزد پارامترهای تنظیم و انجام میانگین وزنی برآوردگرهای وزن مدل بر اساس خطاهای تخمین استفاده می کنیم.شبیه سازی مونت کارلو و یک برنامه مصور ، سودمندی روش پیشنهادی را نشان می دهد.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.