Differences
This shows you the differences between two versions of the page.
Both sides previous revision Previous revision Next revision | Previous revision | ||
kurse:efcomputergrafik:kw10 [2020/03/04 21:34] Simon Knaus |
kurse:efcomputergrafik:kw10 [2020/04/02 08:24] Simon Knaus [Aufgaben] |
||
---|---|---|---|
Line 109: | Line 109: | ||
- Implementiere den Gradient << | - Implementiere den Gradient << | ||
- Wähle ein Funktion mit mehr als einem Minimum und lasse den << | - Wähle ein Funktion mit mehr als einem Minimum und lasse den << | ||
+ | - Bestimme $\alpha$ und $\beta$ mit dem << | ||
+ | - Standardisiere((Standardisieren heisst, dass jede Beobachtung $x_i$ durch $\frac{x_i-\mu}{\sigma}$ ersetzt wird. Es ist dabei $\mu=\frac{1}{n}\sum_{i=1}^n x_i$ und $\sigma=\sqrt{\sum_{i=1}^n (x_i-\mu)^2}$.)) die Beobachtungen zuerst, sonst kommt es zu numerischen Problemen. | ||
+ | - Verwende für das Beispiel zuerst nur z.B. 50 Datensätze und vergleiche die Lösung mit der scikit Lösung. | ||
+ | - Führe die Rechnung mit allen Datensätzen durch und vergleiche wiederum die Lösung mit der scikit Lösung. | ||
+ | - Wie könnten ein bestes Model ausgewählt werden? Überlege dir Strategie, welche du verwenden könntest, um ein bestes Modell zu indentifizieren. Nota bene: Das Modell soll am besten auf neuen, ungesehen, Daten sein. | ||