文件名称：EmpiricalRisks.jl:Julia实施预测变量和损失函数以最小化经验风险
文件大小：35KB
文件格式：ZIP
更新时间：2024-05-21 08:00:56
Julia
经验风险 该Julia程序包提供了一组预测变量和损失函数，主要用于支持（正规化）经验风险最小化方法的实施。 测试状态： 当前，以下较高级别的软件包取决于EmpiricalRisks ： 使用常规优化技术解决中等大小的问题。 使用随机梯度下降或其变体解决大规模问题。 概述 该软件包提供了用于实现规范化的经验性风险最小化的基本组件： 预测模型u = f(x; θ) 线性预测 仿射预测 多元线性预测 多元仿射预测 损失函数loss(u, y) 平方损失 绝对损失 分位数损失 胡伯损失 铰链损失 平方铰链损耗 平滑的铰链损失 物流损失 平方和损失（用于多元预测） 多项式逻辑损失 笔记： 对于每个损失函数，我们提供了计算损失值，导数/梯度或两者（同时）的方法。 对于损失函数和预测模型（它们一起被称为一个风险模型）的每个（一致）组合，我们提供的方法来计算总风
【文件预览】：
EmpiricalRisks.jl-master
----imgs()
--------regerm.png(5KB)
----src()
--------common.jl(961B)
--------risks.jl(9KB)
--------regularizer.jl(9KB)
--------prediction.jl(5KB)
--------loss.jl(9KB)
--------EmpiricalRisks.jl(1KB)
----REQUIRE(28B)
----doc()
--------source()
--------Makefile(7KB)
----.travis.yml(430B)
----test()
--------uniloss.jl(3KB)
--------runtests.jl(193B)
--------risks.jl(4KB)
--------multiloss.jl(1KB)
--------REQUIRE(12B)
--------prediction.jl(2KB)
--------regularizers.jl(4KB)
----LICENSE.md(1KB)
----README.md(2KB)
----.gitignore(29B)