การแทนด้วยพจนานุกรม
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
เฟรมและสัญญาณแบบเบาบาง · เข้ารหัสหรือสร้างสัญญาณกลับด้วยเฟรมและพจนานุกรม
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: 7.2 ใช้ชิ้นส่วนน้อยชิ้น
คูณเมทริกซ์พจนานุกรมด้วยเวกเตอร์สัมประสิทธิ์เพื่อให้ได้เวกเตอร์ที่แทน
สัมประสิทธิ์เบาบางสามารถอธิบายเวกเตอร์ด้วยคอลัมน์พจนานุกรมจำนวนน้อย
ตัวอย่างสูตรต้นฉบับ
แม่นตรง · ผลลัพธ์แม่นตรงสำหรับข้อมูลตัวอย่างที่มีจำนวนจำกัดเหล่านี้ ยกเว้นการปัดเศษตามปกติของคอมพิวเตอร์
สัญลักษณ์
- เมทริกซ์จำนวนจริงขนาด d คูณ p
- เวกเตอร์จำนวนจริง p สมาชิก
- เวกเตอร์จำนวนจริง d สมาชิกที่ได้
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
คุณเลือก
input.first= 1
ค่าเริ่มต้นในโค้ด
dictionary=[ [1, 0, 1], [0, 1, 1], ]
คำนวณที่นี่
นิพจน์ผลลัพธ์: { coefficients, x }
coefficients=[input.first, 0, 2]ใช้:input.firstx=dictionary.map((row) => row.reduce((sum, value, i) => sum + value * coefficients[i], 0), )ใช้:dictionary,coefficients
ส่งกลับ
coefficients- อาร์เรย์ (3 รายการ): [1, 0, 2]
x- อาร์เรย์ (2 รายการ): [3, 2]
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
เปลี่ยนข้อมูลป้อนเข้าแล้วเรียกใช้โค้ดเดิมอีกครั้ง ผลลัพธ์ที่แสดงใช้ค่าที่แสดงไว้ด้านบน
แหล่งอ้างอิง: นิพจน์ในต้นฉบับ