คุณลักษณะตามเกณฑ์
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
คุณลักษณะ · แปลงข้อมูลเข้าเป็นคุณลักษณะที่กฎนำไปใช้
โครงการปรับสเกลความยาวจะงอยปากและครีบด้วยค่าเฉลี่ยและสเกลของชุดฝึก เวกเตอร์มีสองค่า
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: 4.2 หาค่าใกล้เคียงด้วยการสุ่ม
คุณลักษณะ Γ คือผลต่างที่มีเครื่องหมายของตัวบ่งชี้เกณฑ์สองตัว โดยใช้เวกเตอร์ ξ ที่ไม่เป็นศูนย์ซึ่งทำให้เป็นบรรทัดฐานแล้ว และค่าเลื่อนสเกลาร์ ξ̃
ฟังก์ชันเหล่านี้เป็นองค์ประกอบพื้นฐานของการประมาณด้วยคุณลักษณะสุ่ม
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · ตัวอย่างประเมินหนึ่งคุณลักษณะที่หนึ่งจุด กฎคุณลักษณะสุ่มทั่วไปและทฤษฎีบทการประมาณต้องมีสมมติฐานเพิ่มเติม
สัญลักษณ์
- ฟังก์ชันคุณลักษณะค่าสเกลาร์
- เวกเตอร์จำนวนจริงที่ไม่เป็นศูนย์
- เกณฑ์จำนวนจริง
- เครื่องหมายใน {−1,1}
- เวกเตอร์ป้อนเข้า
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
xi=[1, 0]offset=0sign=1x=[-1, 0]
คำนวณที่นี่
นิพจน์ผลลัพธ์: {
xi,
offset,
sign,
x,
value: sign * ((-dot - offset > 0 ? 1 : 0) - (dot - offset > 0 ? 1 : 0)),
}
norm=Math.sqrt(xi.reduce((s, v) => s + v * v, 0))ใช้:xidot=xi.reduce((s, v, i) => s + (v * x[i]) / norm, 0)ใช้:xi,x,norm
ส่งกลับ
xi- อาร์เรย์ (2 รายการ): [1, 0]
offset- 0
sign- 1
x- อาร์เรย์ (2 รายการ): [-1, 0]
value- 1
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น ตัวอย่างประเมินหนึ่งคุณลักษณะที่หนึ่งจุด กฎคุณลักษณะสุ่มทั่วไปและทฤษฎีบทการประมาณต้องมีสมมติฐานเพิ่มเติม
แหล่งอ้างอิง: สัญกรณ์ในข้อความ