คณิตศาสตร์สมัยใหม่ของการเรียนรู้เชิงลึก

ความสูญเสียทดแทนโลจิสติก

โครงการเรียนรู้เพนกวิน

โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ

โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้

ความสูญเสียรายตัวอย่าง · ให้คะแนนความสูญเสียแก่ข้อมูลสังเกตหนึ่งตัวอย่าง

ค่าทำนายและคำตอบให้ความสูญเสีย การจำแนกใช้ครอสเอนโทรปีและ α/2 คูณผลรวมน้ำหนักที่ไม่ใช่ไบแอสยกกำลังสอง ริดจ์ใช้ MSE ของมวลที่ปรับสเกลและ α คูณสัมประสิทธิ์ทุกตัวรวมไบแอสยกกำลังสอง

พิจารณาแนวคิดนี้ร่วมกับโครงการ สมมติฐานของต้นฉบับอาจต่างกัน ข้อมูลชุดนี้ไม่พิสูจน์ทฤษฎีบท

ข้อมูลเข้า: 12 × 2; ประเมินชุดทดสอบ: 102 · #58 · 40.6 มม., 193 มม.. คำตอบที่ทราบ: อาเดลี; ค่าทำนาย: อาเดลี · [≈0.7383, ≈0.2444, ≈0.01737].

บทบาท: ให้คะแนนความผิดพลาด / ความสูญเสียรายตัวอย่าง

ข้อมูลเข้าหรือสมมติฐาน: ผลทำนายหรือความหนาแน่น และคำตอบหรือตัวอย่างที่สังเกต
ผลลัพธ์หรือข้อสรุป: ค่าความสูญเสีย

บริบทของกลุ่ม ตัวอย่างโค้ดด้านล่างมีข้อมูลเข้าและผลลัพธ์ของตัวเอง

มาจาก

ใช้โดย

ดูแผนที่แนวคิด

ใช้ในส่วนต้นฉบับเหล่านี้: 1.2 เรียนรู้จากตัวอย่าง · 2.2 ขนาดน้ำหนักและระยะห่างในการตัดสินใจ

คูณคะแนนด้วยป้ายทวิภาค เปลี่ยนเครื่องหมาย ยกกำลังเลขชี้กำลัง บวกหนึ่ง แล้วหาลอการิทึมธรรมชาติ

ความสูญเสียทดแทนให้คะแนนเชิงตัวเลขสำหรับการทำนายประเภท

ตัวอย่างสูตรต้นฉบับ

{\mathcal{L}}^{\mathrm{surr}}(f,z)=\log\left(1+e^{-yf(x)}\right).

ตรงตามนิยาม · ผลลัพธ์ตรงตามการคำนวณสำหรับข้อมูลเข้าสมมติจำนวนจำกัดนี้ ยกเว้นการปัดเศษตามปกติของคอมพิวเตอร์

สัญลักษณ์

$y$: ป้ายทวิภาค −1 หรือ +1
$f(x)$: คะแนนทำนายจำนวนจริง

ตัวอย่างสูตรต้นฉบับ

ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ

แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท

ป้ายกำกับคะแนน

ลำดับข้อมูลในตัวอย่างนี้

คุณเลือก

input.label = 1
input.score = 0

คำนวณที่นี่

นิพจน์ผลลัพธ์: { margin, loss: Math.log(1 + Math.exp(-margin)) }

margin = input.label * input.score ใช้: input.label, input.score

ส่งกลับ

ผลลัพธ์ตัวอย่าง

margin: 0
loss: ≈0.6931

JavaScript

อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.

ผลลัพธ์

เปิด JavaScript เพื่อรันตัวอย่างนี้

ข้อความทางเทคนิค

เปลี่ยนข้อมูลเข้าแล้วเรียกใช้โค้ดเดิมอีกครั้ง ผลลัพธ์ที่แสดงใช้ค่าข้างต้น

แหล่งอ้างอิง: นิพจน์จากแหล่งต้นฉบับ