ตัวทำนายเหมาะสมที่สุดแบบเบย์
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
กฎทำนายและชั้นของเครือข่าย · อธิบายหรือใช้กฎทำนาย ชั้น และพารามิเตอร์
โครงการใช้กฎเชิงเส้นกับสองคุณลักษณะ น้ำหนักที่ฝึกให้คะแนนหรือมวลที่ปรับสเกล
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: 1.2.2 โครงข่ายแสดงคำตอบที่ต้องการได้หรือไม่
f* เป็นตัวทำนายที่ลดความเสี่ยงประชากรให้ต่ำสุดในบรรดาตัวทำนายที่วัดได้และอนุญาต
ความเสี่ยงของมันเป็นค่าอ้างอิงสำหรับความผิดพลาดการประมาณและการเรียนรู้
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · ตัวอย่างใช้ความสูญเสียกำลังสองและข้อมูลป้อนเข้าคงที่ ซึ่งค่าเฉลี่ยแบบมีเงื่อนไขเหมาะสมที่สุด ความสูญเสียอื่นมีกฎเบย์อื่น
สัญลักษณ์
- ตัวทำนายเหมาะสมที่สุดแบบเบย์
- ความเสี่ยงประชากร
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
probabilities=[0.25, 0.75]targets=[0, 2]
คำนวณที่นี่
นิพจน์ผลลัพธ์: { targets, probabilities, fStar, risk }
fStar=targets.reduce((s, y, i) => s + y * probabilities[i], 0)ใช้:targets,probabilitiesrisk=targets.reduce((s, y, i) => s + probabilities[i] * (fStar - y) ** 2, 0)ใช้:targets,probabilities,fStar
ส่งกลับ
targets- อาร์เรย์ (2 รายการ): [0, 2]
probabilities- อาร์เรย์ (2 รายการ): [0.25, 0.75]
fStar- 1.5
risk- 0.75
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น ตัวอย่างใช้ความสูญเสียกำลังสองและข้อมูลป้อนเข้าคงที่ ซึ่งค่าเฉลี่ยแบบมีเงื่อนไขเหมาะสมที่สุด ความสูญเสียอื่นมีกฎเบย์อื่น
แหล่งอ้างอิง: สัญกรณ์ในข้อความ