Валлиаппа Лакшманан , Сара Робинсон , Майкл Мунн - Машинное обучение. Паттерны проектирования

86
Манипулирование числовыми признаками ................................................................ 86
Манипулирование высокой кардинальностью .......................................................... 87
Потребность в регуляризации ..................................................................................... 88
ПАТТЕРН 4. Мультимодальный вход ......................................................................................... 89
Постановка задачи ................................................................................................................... 89
Решение .................................................................................................................................... 91
Компромиссы и альтернативы ................................................................................................ 92
Табличные данные самыми разными способами ....................................................... 93
Мультимодальное представление текста ................................................................... 94
Постановка задачи

Решение

Как работает мешок слов ............................................................................................. 9 5
Мультимодальное представление снимков ................................................................ 99
Сверточная нейронная сеть

....................................................................................... 100

Мультимодальные представления признаков и интерпретируем ость модели

Резюме

..... 105
.......................................................................................................................................... 105

Оглавление

Глава

3. Паттерны для

ПАТТЕРН

5.

представления задачи

7

...................................................... 107

Переформулировка ............................................................................................... 108

................................................................................................................. 108
.................................................................................................................................. 108
Почему это работает .............................................................................................................. 11 О
Улавливание неопределенности ................................................................................ 110
Изменение целевой установки ................................................................................... 112
Компромиссы и альтернативы .............................................................................................. 113
Сгруппированные результаты ................................................................................... 113
Другие подходы к улавливанию неопределенности ............................................... 114
Прецизионность предсказаний .................................................................................. 115
Ограничение предсказательного диапазона ............................................................. 115
Искаженность в метке ................................................................................................ 117
Многозадачное обучение ........................................................................................... 118
ПА ТТЕРН 6. Мультиметка ......................................................................................................... 119
Постановка задачи ................................................................................................................. 119
Решение .................................................................................................................................. 120
Сигмоидная активация против активации с функцией мягкого максимума .......................... 121
Компромиссы и альтернативы .............................................................................................. 122
Сигмоидный результат для моделей с двумя классами .......................................... 122
Какую функцию потери следует использовать? ...................................................... 123
Разбор сигмоидных результатов ............................................................................... 124
Соображения в отношении наборов данных ............................................................ 125
Входные данные с перекрывающимися метками .................................................... 126
Один против всех ........................................................................................................ 127
ПА ТТЕРН 7. Ансамбли ............................................................................................................... 128
Постановка задачи ................................................................................................................. 128
Решение .................................................................................................................................. 129
Бэггинг ......................................................................................................................... 130.
Бустинг ........................................................................................................................ 13 1
Стэкинг ........................................................................................................................ 132
Почему это работает .............................................................................................................. 134
Бэггинг ......................................................................................................................... 134
Бустинг ........................................................................................................................ 135
Стэкинг ........................................................................................................................ 136
Компромиссы и альтернативы .............................................................................................. 136
Увеличенное время тренировки и проектирования ................................................. 137
Отсев в качестве бэггинга .......................................................................................... 13 7
Снижение модельной интерпретируем ости --">