คณิตศาสตร์สมัยใหม่ของการเรียนรู้เชิงลึกอธิบายสำหรับผู้ที่ไม่ใช่นักคณิตศาสตร์

การปรับมาตราส่วนจำนวนในการประมาณ

โครงการเรียนรู้เพนกวิน

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

โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้

การประมาณและความลึก · ศึกษาความผิดพลาดในการประมาณและขนาดเครือข่ายภายใต้เงื่อนไข

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: 3.1 กฎที่ขึ้นกับระยะทาง

อัตราส่วน d/ε รวมมิติข้อมูลป้อนเข้า d และค่าความคลาดเคลื่อนบวกที่ยอมรับได้ ε

ใช้เพื่ออธิบายว่าการสร้างปรับตามมิติและความแม่นยำอย่างไร

ตัวอย่างสูตรต้นฉบับ

d/εd/{\varepsilon}

ตัวอย่างประกอบ · ตัวอย่างประเมินอัตราส่วน ไม่ได้พิสูจน์ขอบเขตความซับซ้อนในต้นฉบับ

สัญลักษณ์

dd
มิติข้อมูลป้อนเข้า
εε
ค่าความคลาดเคลื่อนบวกที่ยอมรับได้ในการประมาณ

ตัวอย่างสูตรต้นฉบับ

ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ

แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท

ลำดับข้อมูลในตัวอย่างนี้

ค่าเริ่มต้นในโค้ด

  • d = 4
  • epsilon = 0.25

คำนวณที่นี่

นิพจน์ผลลัพธ์: { d, epsilon, ratio: d / epsilon }

ส่งกลับ

ผลลัพธ์ตัวอย่าง
d
4
epsilon
0.25
ratio
16

อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.

ผลลัพธ์

เปิด JavaScript เพื่อรันตัวอย่างนี้

ข้อความทางเทคนิค

ค่าตัวเลขสร้างขึ้น ตัวอย่างประเมินอัตราส่วน ไม่ได้พิสูจน์ขอบเขตความซับซ้อนในต้นฉบับ

แหล่งอ้างอิง: สัญกรณ์ในข้อความ