Keele mõistmine on keeruline, sest sõnade tähendus määratakse nende esinemismustrite põhjal tekstides

Keele mõistmine on keeruline, sest lause tähendus on määratud sõnade järjekorra ja grammatika poolt

Keele mõistmine on keeruline, sest sõnadel on fikseeritud tähendused ja lause tähendus kujuneb nende liitmisel

Keele mõistmine on keeruline, sest sama lause võib omada mitut tähendust ning õige tõlgendus sõltub kontekstist ja maailmateadmistest

Iga tookeni sagedus tekstis määrab selle arvulise esituse mudeli sisendis

Iga tookeni grammatiline roll kodeeritakse arvuliselt, et mudel saaks lause struktuuri esitada

Iga tooken seotakse kindla numbrilise identifikaatoriga, mida mudel saab sisendina kasutada

Iga tookeni tähendus esitatakse arvulise vektorina, mis peegeldab selle semantilist sarnasust teiste sõnadega

Sõnavektor kirjeldab sõna tähendust ilma seoseta teiste sõnadega

Igal sõnal on ainult üks vektor, sõltumata selle erinevatest tähendustest

Sõnavektorid ei võimalda eristada sarnase tähendusega sõnu

Sõnavektor sõltub peamiselt sellest, kui sageli see sõna tekstides esineb

Sest Bag-of-Words kasutab sõnade indekseid, kuid mitte nende sagedust

Sest Bag-of-Words põhineb sõnastikul, mis ei erista erinevaid lauseid

Sest Bag-of-Words arvestab sõnade esinemist, kuid mitte nende järjekorda lauses

Sest Bag-of-Words arvestab sõnade tähendust, kuid mitte nende täpset vormi

Lausele määratakse üks silt, see väljendab näiteks kas positiivset või negatiivset hinnangut

Lause teisendatakse arvuliseks vektoriks, mida saab mudeli sisendina kasutada

Lause igale sõnale määratakse silt, näiteks kas tegemist on isiku või kohaga

Sisendlause põhjal genereeritakse uus lause, mis väljendab sama tähendust teises keeles

Parameetreid muudetakse mitmes järjestikuses juhuslikus suunas, kuni leitakse väiksema kuluga lahendus.

Parameetreid kohandatakse iga sammu järel testandmete põhjal, et minimeerida üldistusviga.

Parameetreid muudetakse suunas, mis vähendab kulufunktsiooni kõige kiiremini ning sammu suurust kontrollib õppimise kiirus.

Parameetrid leitakse kulufunktsiooni tuletise abil, kasutades analüütilist võrrandi lahendamise meetodit.

Logistiline regressioon ei vaja kulufunktsiooni optimeerimist, samas kui lineaarne regressioon leiab parameetrid optimeerimise teel.

Logistiline regressioon ei kasuta lineaarset kombinatsiooni tunnustest, samas kui lineaarne regressioon põhineb lineaarsel kombinatsioonil.

Logistiline regressioon teisendab lineaarse kombinatsiooni tõenäosuseks, samas kui lineaarne regressioon ennustab lineaarse kombinatsiooni põhjal pidevat väärtust.

Logistiline regressioon muudab sisendtunnuseid enne ennustamist, samas kui lineaarne regressioon kasutab tunnuseid muutmata kujul.

Vabaliige b

Kulufunktsiooni gradiendid

Kaaluvektor w

Õppimiskiirus

Sest tunnuste teisendamine muudab sisendruumi geomeetriat, nii et lineaarne otsustuspiir võib muutuda piisavaks.

Sest tunnuste teisendamine võimaldab kasutada teistsugust kulufunktsiooni kui algses ruumis.

Sest tunnuste teisendamine muudab mudeli kuju mittelineaarseks, isegi kui mudeli valem ei muutu.

Sest tunnuste teisendamine vähendab andmetes müra ja parandab seetõttu klasside eristatavust.

Sest täpsus annab väikese andmestiku korral ebatäpseid tulemusi ning seetõttu ei sobi optimeerimiseks.

Sest täpsus ei arvesta ennustatud tõenäosuste suurust ning seetõttu ei sobi klassifitseerimidmudelite kulufunktsiooniks.

Sest täpsus ei ole diferentseeruv ning seda ei saa kasutada gradiendipõhisel optimeerimisel.

Sest täpsus sõltub klasside jaotusest ning seetõttu ei saa seda treenimisel kasutada.