Байесовский оптимальный предсказатель
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.
Правила предсказания и слои · Описывают или применяют правила предсказания, слои и параметры.
Проект использует линейное правило с двумя признаками. Обученные веса дают оценки или нормированную массу.
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: 1.2.2 Может ли сеть представить нужную функцию?
f* — предсказатель, минимизирующий риск генеральной совокупности среди допустимых измеримых предсказателей.
Его риск служит ориентиром для ошибок приближения и обучения.
Пример формулы источника
Иллюстрация · Пример использует квадратичную потерю и постоянный вход, для которых оптимально условное среднее; у других потерь другие байесовские правила.
Обозначения
- Байесовский оптимальный предсказатель.
- Риск генеральной совокупности.
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.
Поток данных в этом примере
Код изменён. Сбросьте его, чтобы вернуть схему примера.
Начальные значения в коде
probabilities=[0.25, 0.75]targets=[0, 2]
Вычисляется здесь
Выражение результата: { targets, probabilities, fStar, risk }
fStar=targets.reduce((s, y, i) => s + y * probabilities[i], 0)Использует:targets,probabilitiesrisk=targets.reduce((s, y, i) => s + probabilities[i] * (fStar - y) ** 2, 0)Использует:targets,probabilities,fStar
Возвращает
targets- массив (2 элементов): [0, 2]
probabilities- массив (2 элементов): [0,25, 0,75]
fStar- 1,5
risk- 0,75
Прочитайте числа из input и верните результат. Основы JavaScript.
Результат
Техническая формулировка
Числовые значения вымышлены. Пример использует квадратичную потерю и постоянный вход, для которых оптимально условное среднее; у других потерь другие байесовские правила.
Источник: Обозначение в тексте