ข้อมูลสังเกตที่มีสัญญาณรบกวน
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
ข้อมูลสังเกตและการสุ่มตัวอย่าง · อธิบายตัวอย่าง เป้าหมาย และชุดตัวอย่าง
แถวที่เลือกส่งค่าที่วัดและคำตอบที่ทราบไปฝึก ส่วนรหัสทดสอบแยกไว้
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: 7.2 ใช้ชิ้นส่วนน้อยชิ้น
ข้อมูลสังเกตที่มีสัญญาณรบกวน x̃ คือเวกเตอร์เดิม x บวกสัญญาณรบกวน ν ทีละพิกัด
การกำจัดสัญญาณรบกวนพยายามกู้คืนข้อมูลเดิมจากข้อมูลสังเกตที่มีสัญญาณรบกวน
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · ตัวอย่างบวกสัญญาณรบกวนที่กำหนดไว้ โดยไม่ได้สมมติหรือสุ่มจากการแจกแจงสัญญาณรบกวน
สัญลักษณ์
- สัญญาณเดิม
- เวกเตอร์สัญญาณรบกวนที่มีรูปร่างตรงกัน
- สัญญาณที่สังเกตได้ซึ่งมีสัญญาณรบกวน
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
x=[1, 2]noise=[0.5, -0.5]
คำนวณที่นี่
นิพจน์ผลลัพธ์: { x, noise, noisy: x.map((v, i) => v + noise[i]) }
ส่งกลับ
x- อาร์เรย์ (2 รายการ): [1, 2]
noise- อาร์เรย์ (2 รายการ): [0.5, -0.5]
noisy- อาร์เรย์ (2 รายการ): [1.5, 1.5]
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น ตัวอย่างบวกสัญญาณรบกวนที่กำหนดไว้ โดยไม่ได้สมมติหรือสุ่มจากการแจกแจงสัญญาณรบกวน
แหล่งอ้างอิง: สัญกรณ์ในข้อความ