การประมาณสม่ำเสมอบนเซตกระชับ
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
การประมาณและความลึก · ศึกษาความผิดพลาดในการประมาณและขนาดเครือข่ายภายใต้เงื่อนไข
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
อสมการกำหนดให้ผลต่างสัมบูรณ์สูงสุดบน K น้อยกว่า 1/m
สำหรับ K = [0,1], g(x) = 0 และ Φ(x) = x/2 ความผิดพลาดสูงสุดที่แน่นอนคือ 1/2 ซึ่งเกิดที่ x = 1
ขอบเขตความผิดพลาดสม่ำเสมอควบคุมทุกจุดในเซตพร้อมกัน
ตัวอย่างสูตรต้นฉบับ
ภาพประกอบ · ซูพรีมัมทราบได้ด้วยการวิเคราะห์สำหรับฟังก์ชันคู่นี้ โดยทั่วไปการสุ่มจุดไม่คำนวณซูพรีมัม
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
คุณเลือก
input.m= 1
ค่าเริ่มต้นในโค้ด
exactSupremum=0.5
คำนวณที่นี่
นิพจน์ผลลัพธ์: { exactSupremum, limit, condition: exactSupremum < limit }
limit=1 / input.mใช้:input.m
ส่งกลับ
exactSupremum- 0.5
limit- 1
condition- จริง
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ต้นฉบับใช้การประมาณสากลเลือกเครือข่ายที่เป็นไปตามอสมการนี้บนเซตกระชับ K ซึ่งมีจุดฝึกต่างกัน m จุด ทฤษฎีบททั่วไปต้องมีฟังก์ชันกระตุ้นที่ตรงสมมติฐานของต้นฉบับ ตัวอย่างนี้ตรวจเฉพาะความผิดพลาดที่ทราบ
แหล่งอ้างอิง: นิพจน์จากแหล่งต้นฉบับ