นอร์มฟังก์ชันที่มีเมเชอร์
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
นอร์มและระยะทาง · วัดขนาดหรือความแตกต่างในปริภูมิที่กำหนด
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: 4.1 ตัวควบคุมน้อยตัวกับค่ามากมาย · 4.2 หาค่าใกล้เคียงด้วยการสุ่ม
นอร์ม Lᵖ(μ) ใช้ μ ถ่วงน้ำหนักอินทิกรัลของค่าสัมบูรณ์ฟังก์ชันที่ยกกำลัง p
เมเชอร์ระบุว่าส่วนใดของโดเมนมีส่วนในนอร์มฟังก์ชัน
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · ตัวอย่างจำกัดนี้ใช้ p = 2 ส่วน p = ∞ ใช้ซูพรีมัมจำเป็น
สัญลักษณ์
- เลขชี้กำลังของนอร์ม
- เมเชอร์ที่ใช้ในอินทิกรัล
- ปริภูมิฟังก์ชันที่เกี่ยวข้อง
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
values=[1, 3]weights=[0.5, 0.5]p=2
คำนวณที่นี่
นิพจน์ผลลัพธ์: { p, norm: Math.sqrt(values.reduce((s, v, i) => s + weights[i] * v * v, 0)) }
ส่งกลับ
p- 2
norm- ≈2.236
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น ตัวอย่างจำกัดนี้ใช้ p = 2 ส่วน p = ∞ ใช้ซูพรีมัมจำเป็น
แหล่งอ้างอิง: สัญกรณ์ในข้อความ