ตัวประกอบการประมาณที่ขึ้นกับมิติ
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
การประมาณและความลึก · ศึกษาความผิดพลาดในการประมาณและขนาดเครือข่ายภายใต้เงื่อนไข
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].
ใช้ในส่วนต้นฉบับเหล่านี้: 1.3 คำถามที่จะศึกษาต่อ
ตัวประกอบ p⁻¹ᐟᵈ และ p⁻²ᐟᵈ ขึ้นกับจำนวนพารามิเตอร์ p และมิติ d ส่วน Ω อธิบายขอบเขตล่างถึงค่าคงที่บวกเมื่อ p ใหญ่เพียงพอ
ตัวประกอบเหล่านี้อธิบายว่าความผิดพลาดการประมาณเปลี่ยนได้อย่างไรเมื่อจำนวนพารามิเตอร์เพิ่ม
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · การประเมินสองอัตราไม่ได้พิสูจน์ขอบเขตล่างในต้นฉบับ ค่าคงที่แฝง หรือการพิสูจน์ลิมิต
สัญลักษณ์
- จำนวนพารามิเตอร์บวก
- มิติข้อมูลป้อนเข้าบวก
- ขอบเขตล่างเชิงเส้นกำกับถึงค่าคงที่บวก
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
p=16d=2
คำนวณที่นี่
นิพจน์ผลลัพธ์: { p, d, first: p ** (-1 / d), second: p ** (-2 / d) }
ส่งกลับ
p- 16
d- 2
first- 0.25
second- 0.0625
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น การประเมินสองอัตราไม่ได้พิสูจน์ขอบเขตล่างในต้นฉบับ ค่าคงที่แฝง หรือการพิสูจน์ลิมิต
แหล่งอ้างอิง: สัญกรณ์ในข้อความ