เส้นทางพารามิเตอร์สองเส้นที่เชื่อมกัน
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
ทฤษฎีการหาค่าเหมาะสม · ศึกษาการลู่เข้าและรูปทรงของความสูญเสียภายใต้สมมติฐาน
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: 5.1 รูปร่างของค่าความผิดพลาด
เส้นทางกำหนดค่าพารามิเตอร์ให้แต่ละค่าการแทรก เส้นทางสองเส้นอาจพบกันที่พารามิเตอร์เดียวกัน
ต้นฉบับสร้างเส้นทางที่เชื่อมกันเพื่อวิเคราะห์ความสูญเสียระหว่างชุดพารามิเตอร์
ตัวอย่างสูตรต้นฉบับ
ภาพประกอบ · เส้นทางสเกลาร์สมมติเหล่านี้ไม่ได้สร้างเส้นทางซ้ำคุณลักษณะของต้นฉบับหรือพิสูจน์ขอบเขตความสูญเสีย
สัญลักษณ์
- เส้นทางในปริภูมิพารามิเตอร์โครงข่าย
- พารามิเตอร์การแทรกใน [0,1] สำหรับตัวอย่างนี้
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
คุณเลือก
input.t= 0.5
คำนวณที่นี่
นิพจน์ผลลัพธ์: { gamma1, gamma2, sharedEndpoint: 1 }
t=input.tใช้:input.tgamma1=(1 - t) * 0 + t * 1ใช้:tgamma2=(1 - t) * 1 + t * 2ใช้:t
ส่งกลับ
gamma1- 0.5
gamma2- 1.5
sharedEndpoint- 1
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ตัวอย่างใช้ γ₁(t) = t และ γ₂(t) = 1+t ทั้งสองพบกันเพราะ γ₁(1) = γ₂(0) = 1 เส้นทางในต้นฉบับขึ้นกับพารามิเตอร์โครงข่ายและสมมติฐานการสร้าง
แหล่งอ้างอิง: นิพจน์ในต้นฉบับ