ความแม่นยำของการประมาณ
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: 1.3 คำถามที่จะศึกษาต่อ · 3.1 กฎที่ขึ้นกับระยะทาง · 3.2 ส่วนตรงง่าย ๆ กับหลายชั้น
ε เป็นค่าความคลาดเคลื่อนบวกที่ยอมรับได้ ค่าประมาณเป็นไปตามค่าที่ยอมรับได้เมื่อความผิดพลาดไม่เกิน ε
ค่าที่ยอมรับได้ระบุว่าต้องประมาณเป้าหมายให้แม่นยำเพียงใด
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · ตัวอย่างตรวจสอบจุดสเกลาร์หนึ่งจุด ขอบเขตการประมาณเอกรูปต้องตรวจสอบทั้งโดเมนที่ระบุ
สัญลักษณ์
- ค่าความคลาดเคลื่อนบวกที่ยอมรับได้ในการประมาณ
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
target=1approximate=0.75epsilon=0.25
คำนวณที่นี่
นิพจน์ผลลัพธ์: { target, approximate, epsilon, error, meetsTolerance: error <= epsilon }
error=Math.abs(target - approximate)ใช้:target,approximate
ส่งกลับ
target- 1
approximate- 0.75
epsilon- 0.25
error- 0.25
meetsTolerance- จริง
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น ตัวอย่างตรวจสอบจุดสเกลาร์หนึ่งจุด ขอบเขตการประมาณเอกรูปต้องตรวจสอบทั้งโดเมนที่ระบุ
แหล่งอ้างอิง: สัญกรณ์ในข้อความ