คณิตศาสตร์สมัยใหม่ของการเรียนรู้เชิงลึก

คลาสของฟังก์ชันความสูญเสีย

โครงการเรียนรู้เพนกวิน

โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ

โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้

ขอบเขตการทำงานกับข้อมูลใหม่ · เชื่อมพฤติกรรมบนตัวอย่างกับความเสี่ยงประชากรภายใต้สมมติฐาน

โครงการมีข้อมูลและพารามิเตอร์จำนวนจำกัด ชุดทดสอบไม่ยืนยันขอบเขตประชากรหรือพิสูจน์ทฤษฎีบท

พิจารณาแนวคิดนี้ร่วมกับโครงการ สมมติฐานของต้นฉบับอาจต่างกัน ข้อมูลชุดนี้ไม่พิสูจน์ทฤษฎีบท

ข้อมูลเข้า: 12 × 2; ประเมินชุดทดสอบ: 102 · #58 · 40.6 มม., 193 มม.. คำตอบที่ทราบ: อาเดลี; ค่าทำนาย: อาเดลี · [≈0.7383, ≈0.2444, ≈0.01737].

บทบาท: เข้าใจขอบเขต / ขอบเขตการทำงานกับข้อมูลใหม่

ข้อมูลเข้าหรือสมมติฐาน: ชั้นฟังก์ชัน สมมติฐานการสุ่ม และพารามิเตอร์ขอบเขต
ผลลัพธ์หรือข้อสรุป: การเปรียบเทียบหรือขอบเขตความเสี่ยง

บริบทของกลุ่ม ตัวอย่างโค้ดด้านล่างมีข้อมูลเข้าและผลลัพธ์ของตัวเอง

กลุ่มที่เกี่ยวข้อง

อธิบาย: ความเสี่ยงและการประเมิน
อธิบาย: ฟังก์ชันเป้าหมาย

ดูแผนที่แนวคิด

ใช้ในส่วนต้นฉบับเหล่านี้: 1.2.3 ใช้ได้กับตัวอย่างใหม่หรือไม่

𝒢 มีฟังก์ชัน z ↦ ℒ(f,z) ที่ได้จากการใช้ความสูญเสียกับแต่ละแบบจำลอง f ในคลาสสมมติฐาน

คลาสนี้ช่วยเปรียบเทียบความสูญเสียระหว่างแบบจำลองอย่างเอกรูป

ตัวอย่างสูตรต้นฉบับ

{\mathcal{G}}

ตัวอย่างประกอบ · คลาสจำกัดนี้ใช้ตัวทำนายคงที่สองตัวและเป้าหมายสองค่า ไม่ได้พิสูจน์ขอบเขตการใช้กับข้อมูลใหม่

สัญลักษณ์

$𝒢$: คลาสฟังก์ชันความสูญเสียที่เกิดจากคลาสแบบจำลอง
$f$: ฟังก์ชันทำนาย
$Z⁽ⁱ⁾$: ตัวอย่างข้อมูลสุ่ม
$ℒ$: ฟังก์ชันความสูญเสีย

ตัวอย่างสูตรต้นฉบับ

ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ

แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท

ลำดับข้อมูลในตัวอย่างนี้

ค่าเริ่มต้นในโค้ด

targets = [0, 1]
predictions = [0, 1]

คำนวณที่นี่

นิพจน์ผลลัพธ์: { targets, predictions, losses }

losses = predictions.map((f) => targets.map((y) => (f - y) ** 2)) ใช้: predictions, targets

ส่งกลับ

ผลลัพธ์ตัวอย่าง

targets: อาร์เรย์ (2 รายการ): [0, 1]
predictions: อาร์เรย์ (2 รายการ): [0, 1]
losses: อาร์เรย์ (2 รายการ): [อาร์เรย์ (2 รายการ): [0, 1], อาร์เรย์ (2 รายการ): [1, 0]]

JavaScript

อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.

ผลลัพธ์

เปิด JavaScript เพื่อรันตัวอย่างนี้

ข้อความทางเทคนิค

ค่าตัวเลขสร้างขึ้น คลาสจำกัดนี้ใช้ตัวทำนายคงที่สองตัวและเป้าหมายสองค่า ไม่ได้พิสูจน์ขอบเขตการใช้กับข้อมูลใหม่

แหล่งอ้างอิง: สัญกรณ์ในข้อความ