1. 3 sposoby zapobiegania overfittingowi:
- zwiekszenie ilosci danych (uczących/treningowych?)
- zastosowanie regularyzacji (najlepsze)
- zmniejszenie stopnia wielomianu, czyli konkretnie liczby parametrów (Najgorsze, bo nie wiadomo, który usunąć. Żeby było wiadomo który,
to trzeba sprawdzić wszystkie i wybrać)
2. Czy miara oceniajaca model moze byc inna od kryterium uczenia?
Może, stosujemy to np. w sposobie z regularyzacją (uczymy przy pomocy regularyzacji, a oceniamy bledem sredniokwadratowym
bez regularyzacji)
3. Wektor cech dla wielomianu stopnia np. 4
1, x, x^2, x^3, x^4
4. Jak rozpoznajemy, czy mamy doczynienia z overfittingiem?
Błąd przy ciągu treningowym jest mały, a przy walidacyjnym duży.
5. Co to jest parametr lambda i jak dziala.
Tu dokłądnie nie wiem, ale chyba zmniejsza/ściąga wartości parametrów
6. Jak działa selekcja modelu?
{"html5":"htmlmixed","css":"css","javascript":"javascript","php":"php","python":"python","ruby":"ruby","lua":"text\/x-lua","bash":"text\/x-sh","go":"go","c":"text\/x-csrc","cpp":"text\/x-c++src","diff":"diff","latex":"stex","sql":"sql","xml":"xml","apl":"apl","asterisk":"asterisk","c_loadrunner":"text\/x-csrc","c_mac":"text\/x-csrc","coffeescript":"text\/x-coffeescript","csharp":"text\/x-csharp","d":"d","ecmascript":"javascript","erlang":"erlang","groovy":"text\/x-groovy","haskell":"text\/x-haskell","haxe":"text\/x-haxe","html4strict":"htmlmixed","java":"text\/x-java","java5":"text\/x-java","jquery":"javascript","mirc":"mirc","mysql":"sql","ocaml":"text\/x-ocaml","pascal":"text\/x-pascal","perl":"perl","perl6":"perl","plsql":"sql","properties":"text\/x-properties","q":"text\/x-q","scala":"scala","scheme":"text\/x-scheme","tcl":"text\/x-tcl","vb":"text\/x-vb","verilog":"text\/x-verilog","yaml":"text\/x-yaml","z80":"text\/x-z80"}