ความสูญเสียการจำแนกสองคลาส
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
ความสูญเสียรายตัวอย่าง · ให้คะแนนความสูญเสียแก่ข้อมูลสังเกตหนึ่งตัวอย่าง
ค่าทำนายและคำตอบให้ความสูญเสีย การจำแนกใช้ครอสเอนโทรปีและ α/2 คูณผลรวมน้ำหนักที่ไม่ใช่ไบแอสยกกำลังสอง ริดจ์ใช้ MSE ของมวลที่ปรับสเกลและ α คูณสัมประสิทธิ์ทุกตัวรวมไบแอสยกกำลังสอง
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 · 1.2.3 ใช้ได้กับตัวอย่างใหม่หรือไม่ · 2.3 เส้นทางการฝึกมีผล
ความสูญเสียการจำแนกแบบ 0–1 มีค่า 1 เมื่อจำแนกผิด และ 0 ในกรณีอื่น
สองค่านี้แยกผลลัพธ์ที่ถูกและผิด
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · ตัวอย่างใช้ค่าทำนาย ±1 ที่ไม่เป็นศูนย์ ตัวบ่งชี้ในต้นฉบับไม่นับมาร์จินที่มีเครื่องหมายเป็นศูนย์ว่าติดลบ
สัญลักษณ์
- ไม่มีความผิดพลาดในการจำแนก
- มีความผิดพลาดในการจำแนก
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
labels=[1, -1]predictions=[1, 1]
คำนวณที่นี่
นิพจน์ผลลัพธ์: { labels, predictions, losses }
losses=labels.map((y, i) => (y * predictions[i] < 0 ? 1 : 0))ใช้:labels,predictions
ส่งกลับ
labels- อาร์เรย์ (2 รายการ): [1, -1]
predictions- อาร์เรย์ (2 รายการ): [1, 1]
losses- อาร์เรย์ (2 รายการ): [0, 1]
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น ตัวอย่างใช้ค่าทำนาย ±1 ที่ไม่เป็นศูนย์ ตัวบ่งชี้ในต้นฉบับไม่นับมาร์จินที่มีเครื่องหมายเป็นศูนย์ว่าติดลบ
แหล่งอ้างอิง: สัญกรณ์ในข้อความ