b****u
发帖数: 1130 | 1 比如我的数据有10个dimension。但某些dimension数据很可靠，有些很差。
我如何人为的给定数据confidence权重？ |
p**l
发帖数: 703 | 2 权重难道不是训练出来的
【在 b****u 的大作中提到】
: 比如我的数据有10个dimension。但某些dimension数据很可靠，有些很差。
: 我如何人为的给定数据confidence权重？
|
g****t
发帖数: 31659 | 3 可以改数据。每个维度的实测数据为中心，以不同的标准差打一些点，制造出来一些人
造数据。然后把原始数据和人造数据一起训练。
如果是时间序列。
更直接的办法是每个维度的数据进行滤波。噪声大和噪声小的数据给不同的截断频率。
你可能需要查一下频率域和时域概率过程语言转换的公式。例如一个屋子5个不同准确
度的温度传感器如何有效平均 |
b****u
发帖数: 1130 | 4 这个方法原理上非常好，既可以“增加”数据量，同时又提高训练的鲁棒性，防止过拟
合。
【在 g****t 的大作中提到】
: 可以改数据。每个维度的实测数据为中心，以不同的标准差打一些点，制造出来一些人
: 造数据。然后把原始数据和人造数据一起训练。
: 如果是时间序列。
: 更直接的办法是每个维度的数据进行滤波。噪声大和噪声小的数据给不同的截断频率。
: 你可能需要查一下频率域和时域概率过程语言转换的公式。例如一个屋子5个不同准确
: 度的温度传感器如何有效平均
|
c*******v
发帖数: 2599 | 5 杩欎釜鍔炴硶瀵归┈宸ユ湁鍒┿鑰屼笖涓埇涓嶄細鍑轰簨銆傛垜璁や负鏄閫夈
銆鍦bobohu(钖勷煃夝煃 鐨勫ぇ浣滀腑鎻愬埌: 銆br />
: 杩欎釜鏂规硶鍘熺悊
涓婇潪甯稿ソ锛屾棦鍙互鈥滃鍔犫鏁版嵁閲忥紝鍚屾椂鍙堟彁楂樿缁冪殑椴佹
鎬э紝闃叉杩囨嫙
: 鍚堛
|
L****8
发帖数: 3938 | 6 假设这10个维度都各自归一化到0-1区间
那么可以加入penalty
loss_add = a1*|dL/dx1|+a2*|dL/dx2|+....+a10*|dL/dx10|
把这个加到现有的loss L 上去
a1 ...a10 的相对大小就是可靠度
【在 b****u 的大作中提到】
: 比如我的数据有10个dimension。但某些dimension数据很可靠，有些很差。
: 我如何人为的给定数据confidence权重？
|
E**********e
发帖数: 1736 | 7 你搜搜word embedding 在NN的列子。至少我可以用GLOVE
【在 b****u 的大作中提到】
: 比如我的数据有10个dimension。但某些dimension数据很可靠，有些很差。
: 我如何人为的给定数据confidence权重？
|
