คณิตศาสตร์สมัยใหม่ของการเรียนรู้เชิงลึก

ความสูญเสียในการจำแนกสองคลาส

โครงการเรียนรู้เพนกวิน

โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ

โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้

ความสูญเสียรายตัวอย่าง · ให้คะแนนความสูญเสียแก่ข้อมูลสังเกตหนึ่งตัวอย่าง

ค่าทำนายและคำตอบให้ความสูญเสีย การจำแนกใช้ครอสเอนโทรปีและ α/2 คูณผลรวมน้ำหนักที่ไม่ใช่ไบแอสยกกำลังสอง ริดจ์ใช้ MSE ของมวลที่ปรับสเกลและ α คูณสัมประสิทธิ์ทุกตัวรวมไบแอสยกกำลังสอง

พิจารณาแนวคิดนี้ร่วมกับโครงการ สมมติฐานของต้นฉบับอาจต่างกัน ข้อมูลชุดนี้ไม่พิสูจน์ทฤษฎีบท

ข้อมูลเข้า: 12 × 2; ประเมินชุดทดสอบ: 102 · #58 · 40.6 มม., 193 มม.. คำตอบที่ทราบ: อาเดลี; ค่าทำนาย: อาเดลี · [≈0.7383, ≈0.2444, ≈0.01737].

บทบาท: ให้คะแนนความผิดพลาด / ความสูญเสียรายตัวอย่าง

ข้อมูลเข้าหรือสมมติฐาน: ผลทำนายหรือความหนาแน่น และคำตอบหรือตัวอย่างที่สังเกต
ผลลัพธ์หรือข้อสรุป: ค่าความสูญเสีย

บริบทของกลุ่ม ตัวอย่างโค้ดด้านล่างมีข้อมูลเข้าและผลลัพธ์ของตัวเอง

มาจาก

ใช้โดย

ดูแผนที่แนวคิด

ใช้ในส่วนต้นฉบับเหล่านี้: 1.2 เรียนรู้จากตัวอย่าง · 1.2.3 ใช้ได้กับตัวอย่างใหม่หรือไม่

สำหรับป้ายกำกับสองค่า y และค่าทำนายมีเครื่องหมาย f(x) ความสูญเสียนี้เป็น 1 เมื่อผลคูณเป็นลบ และเป็น 0 ในกรณีอื่น เมื่อทั้งคู่เป็น ±1 ค่านี้เท่ากับ (1 − yf(x))/2 ด้วย

ค่านี้วัดว่าค่าทำนายสองคลาสที่มีเครื่องหมายผิดหรือไม่

ตัวอย่างสูตรต้นฉบับ

{\mathcal{L}}(f,(x,y))=\mathds{1}_{(-\infty,0)}(yf(x))

ตัวอย่างประกอบ · สูตรที่สองต้องให้ทั้งค่าทำนายและป้ายกำกับเป็น −1 หรือ 1 โดยศูนย์ไม่นับเป็นผลคูณลบ

สัญลักษณ์

$x$: ข้อมูลป้อนเข้า
$y$: ป้ายกำกับสองค่า
$f(x)$: ค่าทำนายที่มีเครื่องหมาย
$ℒ$: ความสูญเสีย

ตัวอย่างสูตรต้นฉบับ

ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ

แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท

ลำดับข้อมูลในตัวอย่างนี้

ค่าเริ่มต้นในโค้ด

y = -1
prediction = 1

คำนวณที่นี่

นิพจน์ผลลัพธ์: { y, prediction, indicator, binaryFormula: (1 - y * prediction) / 2 }

indicator = y * prediction < 0 ? 1 : 0 ใช้: y, prediction

ส่งกลับ

ผลลัพธ์ตัวอย่าง

y: -1
prediction: 1
indicator: 1
binaryFormula: 1

JavaScript

อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.

ผลลัพธ์

เปิด JavaScript เพื่อรันตัวอย่างนี้

ข้อความทางเทคนิค

ค่าตัวเลขสร้างขึ้น สูตรที่สองต้องให้ทั้งค่าทำนายและป้ายกำกับเป็น −1 หรือ 1 โดยศูนย์ไม่นับเป็นผลคูณลบ

แหล่งอ้างอิง: สัญกรณ์ในข้อความ