คู่ความสูญเสียแบบมีผู้สอน
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: 2.1 มองผ่านความคล้ายคลึง
ℓ(·,y⁽ⁱ⁾) เป็นความสูญเสียในฐานะฟังก์ชันของค่าทำนายเมื่อค่าเป้าหมาย y⁽ⁱ⁾ คงที่
ค่าเป้าหมายคงที่ช่วยให้ศึกษาว่าความสูญเสียเปลี่ยนตามค่าทำนายอย่างไร
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · ความสูญเสียกำลังสองเป็นหนึ่งตัวเลือก ต้นฉบับยังอนุญาตความสูญเสียชนิดอื่น
สัญลักษณ์
- ความสูญเสียของค่าทำนายและเป้าหมาย
- ค่าเป้าหมายคงที่
- ตำแหน่งแทนค่าทำนาย
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
y=1predictions=[0, 1, 2]
คำนวณที่นี่
นิพจน์ผลลัพธ์: { y, predictions, losses: predictions.map((p) => (p - y) ** 2) }
ส่งกลับ
y- 1
predictions- อาร์เรย์ (3 รายการ): [0, 1, 2]
losses- อาร์เรย์ (3 รายการ): [1, 0, 1]
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น เว้นแต่ระบุเป็นค่าจากต้นฉบับ ความสูญเสียกำลังสองเป็นหนึ่งตัวเลือก ต้นฉบับยังอนุญาตความสูญเสียชนิดอื่น
แหล่งอ้างอิง: สัญกรณ์ในข้อความ