คณิตศาสตร์สมัยใหม่ของการเรียนรู้เชิงลึก

คุณลักษณะและเป้าหมายจากการแปลง

โครงการเรียนรู้เพนกวิน

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

โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้

การจำแนกทำนายสามชนิด ริดจ์ทำนายมวลเป็นกรัมจากข้อมูลเดียวกัน แต่เป็นคนละแบบจำลอง ค่าทำนายชุดฝึกส่งไปยังฟังก์ชันเป้าหมาย ค่าทำนายชุดทดสอบ 102 แถวแยกไว้และไม่ปรับน้ำหนัก

ข้อมูลสังเกตและการสุ่มตัวอย่าง · อธิบายตัวอย่าง เป้าหมาย และชุดตัวอย่าง

แถวที่เลือกส่งค่าที่วัดและคำตอบที่ทราบไปฝึก ส่วนรหัสทดสอบแยกไว้

งานแถวฝึกขั้นฝึกค่าปรับ αรหัสแถวทดสอบ

คุณลักษณะ

ข้อมูลเข้า: ชุดฝึก: 12 × 2 · แถวแรก #19: 34.4 มม., 184 มม.
ผลลัพธ์: [≈-1.946, ≈-1.283]

การดำเนินการของโครงการ

การคำนวณโครงการใช้ข้อมูลชุดนี้ สูตรและตัวอย่างต้นฉบับอยู่ด้านล่าง การแก้โค้ดมีผลเฉพาะหน้านี้ ส่วนการตั้งค่าโครงการส่งต่อระหว่างหน้า

ข้อมูลสังเกต → คุณลักษณะ → ค่าทำนาย

ข้อมูลเข้าโครงการ

แสดงสามรายการแรก การดำเนินการรับอาร์เรย์ทั้งหมด ค่าตัวอย่างปัดเศษแล้ว การดำเนินการใช้ค่าเต็ม

input.rows · ข้อมูลสังเกต: [ความยาวจะงอยปาก (มม.): 34.4 · ความยาวครีบ (มม.): 184, ความยาวจะงอยปาก (มม.): 40.9 · ความยาวครีบ (มม.): 187, ความยาวจะงอยปาก (มม.): 41.7 · ความยาวครีบ (มม.): 210] … (12 รายการ)

JavaScript

ผลลัพธ์

[[≈-1.946, ≈-1.283], [≈-0.6098, ≈-1.029], [≈-0.4454, ≈0.9162]] … (12 รายการ)

บทบาท: รวบรวมตัวอย่าง / ข้อมูลสังเกตและการสุ่มตัวอย่าง

ข้อมูลเข้าหรือสมมติฐาน: ข้อมูลสังเกตหรือกฎการสุ่ม
ผลลัพธ์หรือข้อสรุป: ตัวอย่าง ป้ายกำกับ หรือชุดตัวอย่าง

บริบทของกลุ่ม ตัวอย่างโค้ดด้านล่างมีข้อมูลเข้าและผลลัพธ์ของตัวเอง

ใช้โดย

ดูแผนที่แนวคิด

ใช้ในส่วนต้นฉบับเหล่านี้: 1.2 เรียนรู้จากตัวอย่าง

ต้นฉบับอธิบายการสร้างคุณลักษณะ T₁(z) และเป้าหมาย T₂(z) จากข้อมูลไม่มีป้าย z เมื่อ T₁ มีตัวผกผันบนโดเมนที่เกี่ยวข้อง เป้าหมายเขียนเป็น T₂(T₁⁻¹(x)) ได้

ตัวอย่างใช้ T₁(z)=2z และ T₂(z)=z+1

การสร้างนี้เปลี่ยนข้อมูลที่แปลงแล้วเป็นงานทำนาย

ตัวอย่างสูตรต้นฉบับ

T_{2}\circ T_{1}^{-1}\colon{\mathcal{X}}\to{\mathcal{Y}}

ตรงตามนิยาม · ตัวอย่างใช้การแปลงคุณลักษณะสเกลาร์ที่ผกผันได้ การแปลงทั่วไปไม่จำเป็นต้องมีตัวผกผัน นิพจน์ต้นฉบับต้องมีตัวผกผันที่นิยามชัดเจนบนโดเมนที่เกี่ยวข้อง

สัญลักษณ์

$T_1$: การแปลงจากข้อมูลเดิมเป็นคุณลักษณะ
$T_2$: การแปลงจากข้อมูลเดิมเป็นเป้าหมาย
$T_1^{-1}$: ตัวผกผันบนโดเมนคุณลักษณะที่เกี่ยวข้องเมื่อมีอยู่

ตัวอย่างสูตรต้นฉบับ

ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ

แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท

ค่าเดิม z

ลำดับข้อมูลในตัวอย่างนี้

คุณเลือก

input.z = 3

คำนวณที่นี่

นิพจน์ผลลัพธ์: { feature, target, recovered, composed }

z = input.z ใช้: input.z
feature = 2 * z ใช้: z
target = z + 1 ใช้: z
recovered = feature / 2 ใช้: feature
composed = recovered + 1 ใช้: recovered

ส่งกลับ

ผลลัพธ์ตัวอย่าง

feature: 6
target: 4
recovered: 3
composed: 4

JavaScript

อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.

ผลลัพธ์

เปิด JavaScript เพื่อรันตัวอย่างนี้

ข้อความทางเทคนิค

เปลี่ยนข้อมูลเข้าแล้วเรียกใช้โค้ดเดิมอีกครั้ง ผลลัพธ์ที่แสดงใช้ค่าข้างต้น

แหล่งอ้างอิง: การทำนายจากการแปลง