คณิตศาสตร์สมัยใหม่ของการเรียนรู้เชิงลึก

พารามิเตอร์ที่แยกข้อมูล

โครงการเรียนรู้เพนกวิน

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

โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้

ทฤษฎีการหาค่าเหมาะสม · ศึกษาการลู่เข้าและรูปทรงของความสูญเสียภายใต้สมมติฐาน

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 / ทฤษฎีการหาค่าเหมาะสม

ข้อมูลเข้าหรือสมมติฐาน: ฟังก์ชันเป้าหมาย กฎการปรับ และสมมติฐาน
ผลลัพธ์หรือข้อสรุป: ข้อความเกี่ยวกับการลู่เข้าหรือรูปทรง

บริบทของกลุ่ม ตัวอย่างโค้ดด้านล่างมีข้อมูลเข้าและผลลัพธ์ของตัวเอง

กลุ่มที่เกี่ยวข้อง

อธิบาย: การเรียนรู้และการปรับพารามิเตอร์
อธิบาย: การกำหนดค่าเริ่มต้น

ดูแผนที่แนวคิด

ใช้ในส่วนต้นฉบับเหล่านี้: 2.3 เส้นทางการฝึกมีผล

พารามิเตอร์แยกข้อมูล θ̂ ให้มาร์จินที่มีเครื่องหมายเป็นบวกแก่ทุกตัวอย่างฝึก สำหรับความสูญเสีย 0–1 ความเสี่ยงเชิงประจักษ์ของมันเป็นศูนย์

มาร์จินต่ำสุดวัดการแยกของตัวอย่างฝึกทั้งหมด

ตัวอย่างสูตรต้นฉบับ

r(\hat{\theta})=0

ตัวอย่างประกอบ · ตัวอย่างตรวจสอบเพียงสองจุด การแยกได้เป็นเงื่อนไขของทุกตัวอย่างในชุด

สัญลักษณ์

$θ̂$: เวกเตอร์พารามิเตอร์จำนวนจริงที่แยกข้อมูล
$γ(θ̂)$: มาร์จินฝึกที่มีเครื่องหมายต่ำสุด
$r(θ̂)$: ความเสี่ยงเชิงประจักษ์ 0–1 ของพารามิเตอร์

ตัวอย่างสูตรต้นฉบับ

ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ

แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท

ลำดับข้อมูลในตัวอย่างนี้

ค่าเริ่มต้นในโค้ด

theta = [1, 1]
examples = [ { x: [1, 0], y: 1 }, { x: [-1, 0], y: -1 }, ]

คำนวณที่นี่

นิพจน์ผลลัพธ์: { theta, margins, minimum: Math.min(...margins), empiricalRisk: margins.filter((v) => v < 0).length / examples.length, }

margins = examples.map((e) => e.y * theta.reduce((s, t, i) => s + t * e.x[i], 0)) ใช้: examples, theta

ส่งกลับ

ผลลัพธ์ตัวอย่าง

theta: อาร์เรย์ (2 รายการ): [1, 1]
margins: อาร์เรย์ (2 รายการ): [1, 1]
minimum: 1
empiricalRisk: 0

JavaScript

อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.

ผลลัพธ์

เปิด JavaScript เพื่อรันตัวอย่างนี้

ข้อความทางเทคนิค

ค่าตัวเลขสร้างขึ้น ตัวอย่างตรวจสอบเพียงสองจุด การแยกได้เป็นเงื่อนไขของทุกตัวอย่างในชุด

แหล่งอ้างอิง: สัญกรณ์ในข้อความ