ค่าคาดหมายแบบมีเงื่อนไข
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 เรียนรู้จากตัวอย่าง
ค่าเฉลี่ยแบบมีเงื่อนไขของ Y เมื่อ X = x หาค่าเฉลี่ยของเป้าหมายที่เป็นไปได้โดยใช้ความน่าจะเป็นแบบมีเงื่อนไข
สำหรับความสูญเสียกำลังสอง ค่านี้เป็นค่าทำนายที่เหมาะสมที่สุดตามมาตรฐานเมื่อเงื่อนไขที่เกี่ยวข้องเป็นจริง
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · ตัวอย่างจำกัดนี้ระบุความน่าจะเป็นแบบมีเงื่อนไขโดยตรง ค่าคาดหมายแบบมีเงื่อนไขทั่วไปต้องมีนิยามทฤษฎีเมเชอร์เพิ่มเติม
สัญลักษณ์
- ข้อมูลป้อนเข้าสุ่ม
- ค่าเป้าหมายจริง
- ค่าข้อมูลป้อนเข้าที่ใช้เป็นเงื่อนไข
- ค่าทำนายจากค่าเฉลี่ยแบบมีเงื่อนไข
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
x=0targets=[1, 3]probabilities=[0.25, 0.75]
คำนวณที่นี่
นิพจน์ผลลัพธ์: { x, conditionalMean: targets.reduce((s, y, i) => s + y * probabilities[i], 0) }
ส่งกลับ
x- 0
conditionalMean- 2.5
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น ตัวอย่างจำกัดนี้ระบุความน่าจะเป็นแบบมีเงื่อนไขโดยตรง ค่าคาดหมายแบบมีเงื่อนไขทั่วไปต้องมีนิยามทฤษฎีเมเชอร์เพิ่มเติม
แหล่งอ้างอิง: สัญกรณ์ในข้อความ