Обсуждение:Минимизация эмпирического риска

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
Строка 1: Строка 1:
-
== Обновление статьи от июня 2026 ==
+
Работа над статьёй велась в несколько этапов с использованием модели Gemini 3.1 Pro Preview. Поскольку старая версия статьи от 2008 года устарела и потеряла форматирование, было принято решение переписать её с нуля, совместив академическую строгость с понятностью для новичков.
-
Старая версия статьи висела в статусе "Незавершённая" с 2008 года, в ней отсутствовала современная математическая постановка. Я приняла решение полностью переписать и расширить статью, ориентируясь на стандарты курса "Математические основы машинного обучения" и эталонные статьи портала.
+
-
Ниже привожу промпт, с помощью которого был сгенерирован новый текст:
+
=== Этап 1: Базовая генерация структуры и математики ===
 +
Сначала был задан системный промпт для формирования математического ядра статьи.
-
'''Промпт:'''
+
{{well|'''Роль:''' Ты — ведущий академический исследователь, эксперт на стыке машинного обучения (ML) и философии науки.
-
Роль: Эксперт в области машинного обучения, математической оптимизации и академический писатель.
+
'''Задача:''' Написать глубокую и объемную статью "Минимизация эмпирического риска" (ERM) для энциклопедии MachineLearning.ru.
-
Задача: Написать глубокую, энциклопедическую статью по теме "Минимизация эмпирического риска" (Empirical Risk Minimization, ERM) для портала MachineLearning.ru, переписав старую короткую заготовку.
+
'''Формат:''' MediaWiki-разметка. Математику строго оборачивать в теги <tex>...</tex>.
-
Формат: Вики-разметка MediaWiki с использованием тегов <tex>...</tex> для математических формул и тегов <ref> для сносок на литературу. Модель: Gemini 3.1 Pro Preview.
+
'''Ограничения и структура:'''
-
Ограничения и критерии:
+
1. Введение: что такое ERM в парадигме обучения по прецедентам.
-
1. Текст должен быть научно строгим, академичным. Использовать структуру: Введение, Историческая справка, Ожидаемый и эмпирический риск (математика), Условия состоятельности (теория Вапника-Червоненкиса), Типы функций потерь, Регуляризация, Методы оптимизации.
+
2. Исторический контекст: Гаусс, Фишер, Вапник и Червоненкис.
-
2. Использовать обозначения из лекций К.В. Воронцова. Статья должна быть полностью викифицирована.
+
3. Ожидаемый и эмпирический риск: прописать формулы Q(w) и функции потерь \mathcal{L}.
 +
4. Переобучение и регуляризация (оценка VC-размерности).
 +
5. Основные типы функций потерь (для регрессии и классификации) и методы оптимизации (SGD).}}
 +
 
 +
=== Этап 2: Адаптация текста для новичков ===
 +
Первая версия получилась слишком сложной и тяжеловесной. Согласно критериям портала, статья должна быть понятна новичкам. Был применен уточняющий промпт.
 +
 
 +
{{well|Текст получился слишком сложным. Твоя задача — сделать Введение и раздел "Ожидаемый и эмпирический риск" более доступными для понимания.
 +
1. Добавь простую, интуитивно понятную аналогию из реальной жизни (например, подготовка к экзамену), которая объясняет разницу между истинным и эмпирическим риском.
 +
2. Сделай предложения короче, убери излишний канцелярит.
 +
3. Сохрани всю строгую математику для профессионалов, но сопроводи её понятными текстовыми объяснениями.}}
 +
 
 +
=== Этап 3: Исправление форматирования ===
 +
Модель частично проигнорировала требования к разметке специфического старого движка сайта. Был отправлен корректирующий промпт.
 +
 
 +
{{well|Ты проигнорировала правило про теги.
 +
1. АБСОЛЮТНО ВСЕ переменные, индексы и формулы (даже одиночные буквы вроде X или w) в тексте должны быть внутри HTML-подобных тегов <tex>...</tex>.
 +
2. Выключные формулы начинай с двойного двоеточия: ::<tex>...</tex>.
 +
3. Запрещено использовать символ обратного апострофа (маркдаун). Исправь весь текст.}}
 +
 
 +
=== Этап 4: Ручная доработка ===
 +
После финальной генерации текст был отредактирован вручную:
 +
* Исправлены единичные ошибки парсера (замена нечитаемого символа присваивания на стандартное равенство).
 +
* Расширена внутренняя викификация (расставлены ссылки на смежные алгоритмы и философские концепции).
 +
* Литература оформлена в строгом соответствии с шаблонами {{книга}}.
 +
 
 +
Polina Khadralinova 15:03, 22 июня 2026 (MSD)

Версия 11:03, 22 июня 2026

Работа над статьёй велась в несколько этапов с использованием модели Gemini 3.1 Pro Preview. Поскольку старая версия статьи от 2008 года устарела и потеряла форматирование, было принято решение переписать её с нуля, совместив академическую строгость с понятностью для новичков.

Содержание

Этап 1: Базовая генерация структуры и математики

Сначала был задан системный промпт для формирования математического ядра статьи.


Роль: Ты — ведущий академический исследователь, эксперт на стыке машинного обучения (ML) и философии науки.

Задача: Написать глубокую и объемную статью "Минимизация эмпирического риска" (ERM) для энциклопедии MachineLearning.ru. Формат: MediaWiki-разметка. Математику строго оборачивать в теги .... Ограничения и структура: 1. Введение: что такое ERM в парадигме обучения по прецедентам. 2. Исторический контекст: Гаусс, Фишер, Вапник и Червоненкис. 3. Ожидаемый и эмпирический риск: прописать формулы Q(w) и функции потерь \mathcal{L}. 4. Переобучение и регуляризация (оценка VC-размерности). 5. Основные типы функций потерь (для регрессии и классификации) и методы оптимизации (SGD).


Этап 2: Адаптация текста для новичков

Первая версия получилась слишком сложной и тяжеловесной. Согласно критериям портала, статья должна быть понятна новичкам. Был применен уточняющий промпт.


Текст получился слишком сложным. Твоя задача — сделать Введение и раздел "Ожидаемый и эмпирический риск" более доступными для понимания.

1. Добавь простую, интуитивно понятную аналогию из реальной жизни (например, подготовка к экзамену), которая объясняет разницу между истинным и эмпирическим риском. 2. Сделай предложения короче, убери излишний канцелярит. 3. Сохрани всю строгую математику для профессионалов, но сопроводи её понятными текстовыми объяснениями.


Этап 3: Исправление форматирования

Модель частично проигнорировала требования к разметке специфического старого движка сайта. Был отправлен корректирующий промпт.


Ты проигнорировала правило про теги.

1. АБСОЛЮТНО ВСЕ переменные, индексы и формулы (даже одиночные буквы вроде X или w) в тексте должны быть внутри HTML-подобных тегов .... 2. Выключные формулы начинай с двойного двоеточия: ::.... 3. Запрещено использовать символ обратного апострофа (маркдаун). Исправь весь текст.


Этап 4: Ручная доработка

После финальной генерации текст был отредактирован вручную:

  • Исправлены единичные ошибки парсера (замена нечитаемого символа присваивания на стандартное равенство).
  • Расширена внутренняя викификация (расставлены ссылки на смежные алгоритмы и философские концепции).
  • Литература оформлена в строгом соответствии с шаблонами {{{заглавие}}}..

Polina Khadralinova 15:03, 22 июня 2026 (MSD)

Источник — «http://recognition.su/wiki/index.php?title=%D0%9E%D0%B1%D1%81%D1%83%D0%B6%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5:%D0%9C%D0%B8%D0%BD%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F_%D1%8D%D0%BC%D0%BF%D0%B8%D1%80%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D1%80%D0%B8%D1%81%D0%BA%D0%B0»
Личные инструменты