การประมาณความหนาแน่นความน่าจะเป็น
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
ความน่าจะเป็นและความคาดหมาย · อธิบายตัวแปรสุ่มและค่าเฉลี่ยตามกฎความน่าจะเป็น
เวกเตอร์โครงการมีสองคุณลักษณะ เมทริกซ์ฝึกมี n แถวและสองคอลัมน์ ใช้เครื่องมือเมื่อสมมติฐานตรงกัน
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
ความหนาแน่น fₛ กำหนดค่าที่ไม่เป็นลบให้ข้อมูล z และมีอินทิกรัลเท่ากับหนึ่งเมื่อเทียบกับเมเชอร์อ้างอิง
ความหนาแน่นที่ปรับแล้วอธิบายการกระจายความน่าจะเป็นบนข้อมูลที่เป็นไปได้
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · ตัวอย่างใช้เมเชอร์นับบนสองจุด ความหนาแน่นต่อเนื่องต้องใช้อินทิกรัลแทนผลรวม
สัญลักษณ์
- ปริภูมิข้อมูล
- ค่าข้อมูล
- ความหนาแน่นที่ปรับโดยใช้ชุดตัวอย่าง s
- เมเชอร์อ้างอิง
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
Z=[0, 1]density=[0.25, 0.75]z=1
คำนวณที่นี่
นิพจน์ผลลัพธ์: {
Z,
density,
z,
densityAtZ: density[Z.indexOf(z)],
total: density.reduce((a, b) => a + b, 0),
}
ส่งกลับ
Z- อาร์เรย์ (2 รายการ): [0, 1]
density- อาร์เรย์ (2 รายการ): [0.25, 0.75]
z- 1
densityAtZ- 0.75
total- 1
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น ตัวอย่างใช้เมเชอร์นับบนสองจุด ความหนาแน่นต่อเนื่องต้องใช้อินทิกรัลแทนผลรวม
แหล่งอ้างอิง: สัญกรณ์ในข้อความ