เส้นโค้งข้อมูลป้อนเข้าโครงข่าย
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
ฟังก์ชันและอนุพันธ์ · อธิบายการจับคู่และการเปลี่ยนแปลงของผลลัพธ์
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: 3.3 วิธีอื่นในการวัดความสามารถในการแทนฟังก์ชัน
γ เป็นเส้นโค้งที่ส่งพารามิเตอร์ลักษณะเวลาใน [0,1] ไปเป็นเวกเตอร์ป้อนเข้า
โครงข่ายส่งเส้นโค้งข้อมูลป้อนเข้าไปเป็นเส้นโค้งค่ากระตุ้น
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · นี่เป็นตัวอย่างส่วนของเส้นตรง ภาพในต้นฉบับใช้วงกลม
สัญลักษณ์
- เส้นโค้งต่อเนื่องค่าของเวกเตอร์บน [0,1]
- พารามิเตอร์ของเส้นโค้ง
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
t=0.25
คำนวณที่นี่
นิพจน์ผลลัพธ์: { t, point: gamma(t) }
ส่งกลับ
t- 0.25
point- อาร์เรย์ (2 รายการ): [0.25, 0.75]
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น นี่เป็นตัวอย่างส่วนของเส้นตรง ภาพในต้นฉบับใช้วงกลม
แหล่งอ้างอิง: สัญกรณ์ในข้อความ