กลุ่มสมมติฐานของเครือข่าย
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
ชั้นแบบจำลองและโครงสร้าง · อธิบายกลุ่มของกฎ ขนาด และสมบัติเชิงโครงสร้าง
โครงการมีข้อมูลและพารามิเตอร์จำนวนจำกัด ชุดทดสอบไม่ยืนยันขอบเขตประชากรหรือพิสูจน์ทฤษฎีบท
พิจารณาแนวคิดนี้ร่วมกับโครงการ สมมติฐานของต้นฉบับอาจต่างกัน ข้อมูลชุดนี้ไม่พิสูจน์ทฤษฎีบท
ข้อมูลเข้า: 12 × 2; ประเมินชุดทดสอบ: 102 · #58 · 40.6 มม., 193 มม.. คำตอบที่ทราบ: อาเดลี; ค่าทำนาย: อาเดลี · [≈0.7383, ≈0.2444, ≈0.01737].
ใช้ในส่วนต้นฉบับเหล่านี้: 1.2 เรียนรู้จากตัวอย่าง
กลุ่มสมมติฐานประกอบด้วยฟังก์ชันทั้งหมดที่สร้างเมื่อพารามิเตอร์เครือข่ายเปลี่ยน
กลุ่มนี้กำหนดตัวทำนายที่อัลกอริทึมการเรียนรู้เลือกได้
ตัวอย่างสูตรต้นฉบับ
ภาพประกอบ · ฟังก์ชันสามตัวที่สุ่มมาไม่ใช่กลุ่มอนันต์ทั้งหมด
สัญลักษณ์
- เซตฟังก์ชันจากสถาปัตยกรรม a
- ฟังก์ชันเครือข่ายสถาปัตยกรรม a
- เวกเตอร์พารามิเตอร์เครือข่ายจำนวนจริง
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
คุณเลือก
input.x= 2
ค่าเริ่มต้นในโค้ด
weights=[0, 1, 2]
คำนวณที่นี่
นิพจน์ผลลัพธ์: { weights, outputs: weights.map((w) => w * x) }
x=input.xใช้:input.x
ส่งกลับ
weights- อาร์เรย์ (3 รายการ): [0, 1, 2]
outputs- อาร์เรย์ (3 รายการ): [0, 2, 4]
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ตัวอย่างแสดงสมาชิกสามตัวของกลุ่มพารามิเตอร์จริง fθ(x) = θx กลุ่มในต้นฉบับรวมเวกเตอร์พารามิเตอร์จริงทั้งหมด
แหล่งอ้างอิง: นิพจน์จากแหล่งต้นฉบับ