И
неет, а что
Size: a a a
2020 November 21
i
если сделаете так затыков ненужных меньше будет
i
Просто важно не тратить время на неважные детали имхо
И
а что это?
AS
у тебя есть 2д массив, но ты хочешь оптимально через словари сделать?
Сразу не заметил сообщения, да, алгоритм, описанный в курсе, говорит делать через них
В чем была проблема, разобрался, спасибо за отклик)
В чем была проблема, разобрался, спасибо за отклик)
K
А данные нормализованы?
И
А данные нормализованы?
хм, нет
но ведь это вроде не так критично?
но ведь это вроде не так критично?
K
хм, нет
но ведь это вроде не так критично?
но ведь это вроде не так критично?
Почему же? Если линии уровня MSE будут похожими на эллипс, то есть риск расхождения градиентного спуска
i
Поверхность выпуклая всегда будет сходимость бро
i
Но лучше таки отнормализовать
i
Ск—а тоже в своей книге рекомендует нормализовать
K
хм, нет
но ведь это вроде не так критично?
но ведь это вроде не так критично?
Повыводи принтами несколько значений получаемых оценок. Производные частные вроде верно рассчитаны, если я нигде под вечер уже сам ничего не проморгал
HB
Можно попробовать lr уменьшить :)
K
Поверхность выпуклая всегда будет сходимость бро
Она может либо занять значительно больше итераций для сходимости либо если совсем плохо подобран шаг град спуска (хотя тут вроде 1е-3 адекватно), то можно от точки минимума только отдалиться
K
Ну и, кстати, ты при проверке на эпсилон никак свободный член не учитываешь. Не совсем ком иль фо
i
обычно шаг зависит от градиента, но тут каждый сам себе програмист
И
круто, он не ушел в бесконечность и даже написал win, но качесто такое
если возможно еще как-то улучшить показатели?
если возможно еще как-то улучшить показатели?
K
А посчитай рядом оценки коэффициентов аналитически через (X.T*X)^(-1)*X.T*y, чтоб ориентир был
И
Почему же? Если линии уровня MSE будут похожими на эллипс, то есть риск расхождения градиентного спуска
получается у меня так и было?
K
Судя по большим по модулю оценкам и после нормализации, проблема ещё не решена скорее всего. Прогони рядышком аналитическое решение, чтоб было с чем сравнивать