คุณลักษณะคงที่
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
คุณลักษณะ · แปลงข้อมูลเข้าเป็นคุณลักษณะที่กฎนำไปใช้
โครงการปรับสเกลความยาวจะงอยปากและครีบด้วยค่าเฉลี่ยและสเกลของชุดฝึก เวกเตอร์มีสองค่า
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: 5.1 รูปร่างของค่าความผิดพลาด · 5.2 เมื่อพารามิเตอร์เปลี่ยนเพียงเล็กน้อย
เมื่อคุณลักษณะของหน่วยซ่อนคงที่แล้ว การเปลี่ยนน้ำหนักผลลัพธ์จะเลือกฟังก์ชันจากปริภูมิที่คุณลักษณะเหล่านั้นแผ่เชิงเส้น
ปริมาณเหล่านี้เชื่อมพารามิเตอร์ของโครงข่ายกับความสูญเสียและการหาค่าเหมาะที่สุด
ตัวอย่างสูตรต้นฉบับ
ภาพประกอบ · ข้อมูลเข้าสมมติจำนวนจำกัดแสดงนิพจน์นี้ ไม่ได้พิสูจน์เอกลักษณ์ ขอบเขต หรือข้ออ้างการมีอยู่ทั่วไป
สัญลักษณ์
- น้ำหนักและไบแอสคงที่ของหน่วยซ่อน
- เวกเตอร์น้ำหนักผลลัพธ์จริงความยาว n
- เซตฟังก์ชันโครงข่ายที่ได้เมื่อเปลี่ยนน้ำหนักผลลัพธ์
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
คุณเลือก
input.weight= 2
ค่าเริ่มต้นในโค้ด
features=[2, 1]
คำนวณที่นี่
นิพจน์ผลลัพธ์: { features, output: input.weight * features[0] + 3 * features[1] }
ส่งกลับ
features- อาร์เรย์ (2 รายการ): [2, 1]
output- 7
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
จำนวนในตัวอย่างนี้เป็นข้อมูลสมมติ
แหล่งอ้างอิง: นิพจน์ในต้นฉบับ