มาร์จินที่ทำให้เรียบ
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].
ใช้ในส่วนต้นฉบับเหล่านี้: 2.3 เส้นทางการฝึกมีผล
มาร์จินที่ทำให้เรียบ rβ(θ) คือ −log(r(βθ))/β สำหรับความสูญเสียเลขชี้กำลัง โดย β เป็นบวก
ต้นฉบับศึกษาความสัมพันธ์กับมาร์จินฝึกต่ำสุด
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · ตัวอย่างมีหนึ่งตัวอย่างที่มีมาร์จินบวก สูตรทั่วไปหาค่าเฉลี่ยจากทุกตัวอย่าง
สัญลักษณ์
- ความเสี่ยงเชิงประจักษ์แบบเลขชี้กำลัง
- พารามิเตอร์มาตราส่วนบวก
- เวกเตอร์พารามิเตอร์
- มาร์จินที่ทำให้เรียบ
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
beta=2theta=1
คำนวณที่นี่
นิพจน์ผลลัพธ์: { beta, theta, risk, smoothedMargin: -Math.log(risk) / beta }
risk=Math.exp(-beta * theta)ใช้:beta,theta
ส่งกลับ
beta- 2
theta- 1
risk- ≈0.1353
smoothedMargin- 1
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น ตัวอย่างมีหนึ่งตัวอย่างที่มีมาร์จินบวก สูตรทั่วไปหาค่าเฉลี่ยจากทุกตัวอย่าง
แหล่งอ้างอิง: สัญกรณ์ในข้อความ