ชุดตัวอย่างและความเสี่ยงที่ต่างกัน
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
ความเสี่ยงและการประเมิน · แยกความสูญเสียบนตัวอย่างออกจากความสูญเสียคาดหมาย
ประเมินกฎที่ฝึกแล้วด้วยข้อมูลทดสอบ 102 แถวที่ไม่ใช้ฝึก
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
ฟังก์ชันที่เรียนรู้ fₛ ถูกปรับด้วยชุดตัวอย่าง s ความสูญเสียเฉลี่ยของฟังก์ชันประเมินได้บน s หรือชุดตัวอย่างอื่น s̃
การเปรียบเทียบความเสี่ยงของชุดตัวอย่างแสดงเหตุผลที่แยกข้อมูลฝึกกับข้อมูลประเมิน
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · รายการความสูญเสียสร้างขึ้น การเปรียบเทียบนี้ไม่ได้กำหนดความเสี่ยงประชากร
สัญลักษณ์
- ชุดตัวอย่างฝึก
- ชุดตัวอย่างอื่น
- ฟังก์ชันที่เรียนรู้
ℛₛ, ℛₛ̃- ความสูญเสียเฉลี่ยบนชุดตัวอย่างที่ระบุ
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
trainLosses=[0, 2]otherLosses=[2, 4]
คำนวณที่นี่
นิพจน์ผลลัพธ์: {
trainLosses,
otherLosses,
trainRisk: mean(trainLosses),
otherRisk: mean(otherLosses),
}
ส่งกลับ
trainLosses- อาร์เรย์ (2 รายการ): [0, 2]
otherLosses- อาร์เรย์ (2 รายการ): [2, 4]
trainRisk- 1
otherRisk- 3
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น เว้นแต่ระบุเป็นค่าจากต้นฉบับ รายการความสูญเสียสร้างขึ้น การเปรียบเทียบนี้ไม่ได้กำหนดความเสี่ยงประชากร
แหล่งอ้างอิง: สัญกรณ์ในข้อความ