ค่าพารามิเตอร์ในแต่ละขั้น
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
การเรียนรู้และการปรับพารามิเตอร์ · เลือกกฎหรือปรับพารามิเตอร์ด้วยกฎการเรียนรู้
ฟังก์ชันเป้าหมายให้เกรเดียนต์เพื่อปรับพารามิเตอร์
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: 1.2 เรียนรู้จากตัวอย่าง · 1.2.1 หาพารามิเตอร์ที่เหมาะสม
Θ⁽⁰⁾ เป็นพารามิเตอร์เริ่มต้น และ Θ⁽ᵏ⁾ เป็นพารามิเตอร์หลังขั้นที่ k ส่วน K นับจำนวนขั้น
ลำดับนี้บันทึกค่าที่ได้จากการหาค่าที่เหมาะสม
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · ตัวอย่างฟังก์ชันกำลังสองแบบกำหนดแน่นอนนี้แสดงสองขั้น ต้นฉบับยังพิจารณาการปรับค่าแบบสุ่ม
สัญลักษณ์
- เวกเตอร์พารามิเตอร์ ณ ขั้น k ในที่นี้เป็นสเกลาร์หนึ่งค่า
- จำนวนขั้นที่เป็นจำนวนเต็มบวก
- ดัชนีขั้น
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
theta=2K=2
คำนวณที่นี่
นิพจน์ผลลัพธ์: { K, iterates, final: theta }
iterates=[theta]ใช้:thetafor (let k = 1; k <= K; k++) { theta -= 0.25 * 2 * theta; iterates.push(theta); }ใช้:K,theta,iterates
ส่งกลับ
K- 2
iterates- อาร์เรย์ (3 รายการ): [2, 1, 0.5]
final- 0.5
บางเส้นทางหรือค่าขณะรันยังระบุไม่ได้
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น ตัวอย่างฟังก์ชันกำลังสองแบบกำหนดแน่นอนนี้แสดงสองขั้น ต้นฉบับยังพิจารณาการปรับค่าแบบสุ่ม
แหล่งอ้างอิง: สัญกรณ์ในข้อความ