Современная математика глубокого обучения

Потеря правила предсказания

Проект с пингвинами

Проект использует 342 записи Palmer с нужными измерениями: 240 для обучения, 102 для проверки. Выбранные примеры для обучения определяют масштабирование и параметры модели. Исходный CSV

Этот проект обучает веса с помощью softmax, в отличие от лаборатории на главной странице, где используются ближайшие средние по видам. Те же измерения пингвинов, но разные методы классификации. Предсказания могут различаться.

Потери для примера · Определяют значение потери для наблюдаемого примера.

По прогнозам и известным ответам вычисляется значение функции потерь. Классификация использует кросс-энтропию и α/2 суммы квадратов весов без смещений; гребневая регрессия использует среднюю квадратичную ошибку нормированной массы и α суммы квадратов всех коэффициентов, включая смещение.

Рассмотрите понятие рядом с проектом: предположения источника могут отличаться. Эти наблюдения не доказывают теорему.

Вход: 12 × 2; Проверка на новых данных: 102 · #58 · 40.6 мм, 193 мм. Известный ответ: Адели; Прогноз: Адели · [≈0,7383; ≈0,2444; ≈0,01737].

Используется в разделах источника: 2.1 Взгляд через сходство

Сначала примените правило предсказания к x. Затем вычислите выбранную функцию потерь для полученного предсказания и y.

Это отделяет модель от правила оценки её предсказания.

Пример формулы источника

{\mathcal{L}}(f,(x,y))=\ell(f(x),y).

Точное вычисление · Результат точен для этих конечных учебных входов с учётом обычного компьютерного округления.

Обозначения

$f$: Правило предсказания.
$x,y$: Вход и его цель.
$ℓ$: Потеря на парах предсказание–цель; в примере используется квадратичная потеря.

Пример формулы источника

Этот пример использует свои входные данные и предположения. Его изменение не меняет проект.

Измените значение или код и запустите пример. Это конечная иллюстрация, а не доказательство теоремы.

ВесВходЦель

Поток данных в этом примере

Вы выбираете

input.weight = 2
input.x = 2
input.y = 1

Вычисляется здесь

Выражение результата: { prediction, loss }

prediction = input.weight * input.x Использует: input.weight, input.x
loss = (prediction - input.y) ** 2 Использует: prediction, input.y

Возвращает

Пример результата

prediction: 4
loss: 9

JavaScript

Прочитайте числа из input и верните результат. Основы JavaScript.

Результат

Включите JavaScript, чтобы запустить пример.

Техническая формулировка

Измените вход и снова запустите тот же код. Показанный результат использует приведённые выше значения.

Источник: Выражение из статьи