Polynomial Regression Hyperparameter Selection and Analysis using Reconstruction Error Minimization (REM)
Notice bibliographique
Résumé
Machine Learning algorithms in Regression modeling generally minimize the mean square error (MSE) of estimation to find the optimum parameters. This MSE, denoted by data error, however, can not be used in hyperparameters selection (HPS) as it is a decreasing function of increasing the dimension of the hyperparameters. Well-known validation methods split the data into training and validation sets for the purpose of HPS. Using the training set for parameter estimation and the validation set for hyperparameter selection. Yet, problem of overestimating (overfitting) in hyperparameter selection causes serious issues in generalizing to unseen data in the learning process. Here we examine the Reconstruction Error Minimization (REM) method of HPS and compare its performance with validation methods. REM-HPS diverges from conventional methods, such as validation and k-fold cross-validation, by utilizing the entire available dataset without the need for splitting it into separate training and validation sets. The whole data is used both in training (parameter selection) and in validation (hyperparameter selection). Simulation results confirm superiority of REM over validation approaches in the sense of accuracy, robustness, and computational complexity. Consequently, it also shows convergence of the approach with smaller data sets. REM results show advantages over validation approaches in the sense of common evaluation metrics such as MSE, R2 (coefficient of determination) and Mean Absolute Percentage Error (MAPE). Unlike validation approaches, REM avoids overfitting. Simulation results provide a comprehensive analysis of the generalizability performance under a range of signal to noise ratio (SNR)s, as data length grows, and for different input data range.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».