Что мне нравится в изучении математики, так это то, что, вопреки распространенному мнению, ее можно обобщить и применить ко многим аспектам жизни. Да, реальной жизнью вы живете ежедневно.

Недавно я изучал проблему переобучения в машинном обучении и то, как регуляризация может облегчить ее.

Давайте обобщим эту идею в реальной жизненной проблеме, используя в качестве примера один полуправдивый мем: отличники работают на отличников. Студенты C управляют бизнесом.

Проблема многих прилежных студентов в том, что они слишком много внимания уделяют контрольным отметкам. Теперь это не будет проблемой, если получение большого количества пятерок приведет к реальному успеху.

Проблема переобучения здесь заключается в следующем: слишком усердно тренируясь для смоделированных тестов, вы забываете, что проблемы реального мира отличаются от тестовых задач.

Решение для этого простое. Вы упорядочиваете, принимая во внимание жизнь вне учебных заведений. Спросите, что важно в реальной жизни, а затем переключите свое внимание на это вместо того, чтобы слишком сильно сосредотачиваться на контрольных отметках.

Эта модель регуляризации с переобучением формально объясняет, почему приведенный выше мем верен лишь наполовину. Не все троечники занимаются бизнесом. Многие троечники получают троечку, потому что они ленивы (а не потому, что сосредоточены на реальных жизненных вопросах). Тогда это можно назвать случаем недообучения, когда функция не соответствует ни тренировочному набору, ни реальным данным. Ленивые троечники не получают хороших оценок за тесты и не занимаются бизнесом.

Я никогда не думал, что эту идею регуляризации можно обобщить, пока не прочитал особенно острый комментарий (мнение) в сообщении RibbonFarm.com под названием «Критерий Майло».

Проще говоря, комментарий говорит о том, что проблема бережливого производства в контексте стартапа заключается в том, что предприниматель может слишком много учитывать текущую обратную связь со своей текущей клиентской базой, что он не учел потенциальные возможности. изменения предпочтений его текущей клиентской базы в будущем.

Если предприниматель слишком эффективно внедрит бережливое производство по сравнению с нынешними предпочтениями (вместе с оптимизацией), ему будет трудно адаптироваться к новым предпочтениям своего клиента.

Или кратко: опасность бережливого производства заключается в чрезмерном приспособлении к текущему набору данных о клиентах.

Альтернативой, предложенной комментатором, является подход Apple Inc., когда они дают то, что нужно клиентам, даже если они еще не знают, что им это нужно.

Или с математической точки зрения: мы упорядочиваем эту проблему переоснащения LEAN, минимизируя вес текущих предпочтений клиентов (и предвидя предпочтения клиентов в будущем).

Можно найти много примеров проблем переобучения, и одно из возможных решений — просто регуляризация (есть и другие решения).

Теперь, в качестве последней мысли/примера: что делать, если вы слишком подходите к обычаям загнивающего учреждения?