نمايش پست تنها
قديمي ۰۳-۲۳-۱۳۹۰, ۰۸:۱۳ قبل از ظهر   #4 (لینک دائم)
astudio
Active users
 
آواتار astudio
 
تاريخ عضويت: خرداد ۱۳۸۹
پست ها: 48
تشكرها: 4
50 تشكر در 31 پست
پيش فرض

سلام
به پیوست مطالبی خلاصه درباره validation و روشهایش آورده شده است.
البته بنده منظورتان را از online و offline نفهمیدم شاید منظورتان از online داده جریانی باشد،نمی دانم؟(اگر معنی اش را بدانم ممنون می شوم) در هر صورت اگر شبکه شما کار دسته بندی را انجام می دهد باید وزنها در داده های آموزشی همگرا شوند ولی اگر کار خوشه بندی انجام می دهد لزومی ندارد(مثلا شبکه ART) .اگر میزان تغییرات خطای شما کم است این نشان دهنده اسن مطلب است که داده های آموزشی شما نماینده خوبی برای کل داده ها هستند اگر اختلاف خطای آموزش و تست زیاد است اینجا می گوییم overffiting رخ داده است یعنی شبکه زیادی روی داده های آموزشی fit شده است.در هر حال فکر کنم پیوست مفید باشد.
فايل ضميمه
نوع فايل: pdf Nilsson_ML_Book.pdf (69.3 كيلو بايت, 55 نمايش)
__________________



نه چندان بزرگم

که کوچک بیابم خودم را

نه آنقدر کوچک

که خود را بزرگ...

گریز از میانمایگی

آرزویی بزرگ است؟
astudio آفلاين است   پاسخ با نقل قول
از astudio تشكر كرده است:
توحید سردارمهنی (۰۳-۲۵-۱۳۹۰)