Gerçek zamanlı reklam tekliflerini tahmin eden doğrusal bir model aşırı uyum gösteriyor ve ekibin özellik setini küçültmesi gerekiyor. Hangi yaklaşım hem özellikleri azaltır hem de aşırı uyumu önler?
Bir cevap seçin
Cevabınızı kontrol etmek için bir seçeneğe dokunun.
Doğru cevap: Modeli L1 regularization kullanarak yeniden eğitin..
Neden bu cevap
L1 regularization (Lasso), modelin katsayılarını sıfıra doğru iter ve bazı katsayıları tam olarak sıfır yapar. Bu, modelden ilgili özellikleri etkili bir şekilde kaldırarak özellik seçimini gerçekleştirir ve aşırı uyumu azaltır. L2 regularization (Ridge) katsayıları sıfıra yaklaştırır ancak tam olarak sıfır yapmaz, bu nedenle özellik seçimi yapmaz. Dropout regularization, sinir ağları için tasarlanmış bir tekniktir ve doğrusal modeller için uygun değildir. Daha fazla eğitim verisi toplamak aşırı uyumu azaltabilir ancak bu her zaman mümkün veya pratik değildir ve özellik setini küçültme hedefini karşılamaz.
Sonsuz cevap arayışı olmadan sınavınızı geçin
Bu sınav için her doğrulanmış soruyu ve açıklamayı tek bir yerde edinin ve saatlerce süren hazırlıktan tasarruf edin. 1.000'den fazla sertifika · 20'den fazla dil · ücretsiz başlayın.
Sınavınızı daha hızlı geçin → Kart gerekmez