ผลคูณภายนอกและทรานสโพส
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
การจำแนกทำนายสามชนิด ริดจ์ทำนายมวลเป็นกรัมจากข้อมูลเดียวกัน แต่เป็นคนละแบบจำลอง ค่าทำนายชุดฝึกส่งไปยังฟังก์ชันเป้าหมาย ค่าทำนายชุดทดสอบ 102 แถวแยกไว้และไม่ปรับน้ำหนัก
เวกเตอร์และเมทริกซ์ · รวมตัวเลขด้วยการดำเนินการเวกเตอร์และเมทริกซ์
เวกเตอร์โครงการมีสองคุณลักษณะ เมทริกซ์ฝึกมี n แถวและสองคอลัมน์ ใช้เครื่องมือเมื่อสมมติฐานตรงกัน
การดำเนินการของโครงการ
ผลลัพธ์: [[1, ≈-0.6715, ≈-0.5215], [≈-0.6715, ≈0.4509, ≈0.3502], [≈-0.5215, ≈0.3502, ≈0.272]]
การดำเนินการของโครงการ
การคำนวณโครงการใช้ข้อมูลชุดนี้ สูตรและตัวอย่างต้นฉบับอยู่ด้านล่าง การแก้โค้ดมีผลเฉพาะหน้านี้ ส่วนการตั้งค่าโครงการส่งต่อระหว่างหน้า
คุณลักษณะ → การดำเนินการของโครงการ → การดำเนินการของโครงการ
ข้อมูลเข้าโครงการ
แสดงสามรายการแรก การดำเนินการรับอาร์เรย์ทั้งหมด ค่าตัวอย่างปัดเศษแล้ว การดำเนินการใช้ค่าเต็ม
input.vector· คุณลักษณะ[1, ≈-0.6715, ≈-0.5215]
ผลลัพธ์
[[1, ≈-0.6715, ≈-0.5215], [≈-0.6715, ≈0.4509, ≈0.3502], [≈-0.5215, ≈0.3502, ≈0.272]]
ใช้ในส่วนต้นฉบับเหล่านี้: 2.4 การลดลงครั้งที่สองของความผิดพลาด
ทรานสโพสเปลี่ยนเวกเตอร์คอลัมน์เป็นแถว ผลคูณของทั้งสองเป็นเมทริกซ์ของผลคูณสมาชิกแต่ละคู่
ผลคูณภายนอกปรากฏในเมทริกซ์โมเมนต์อันดับสอง
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · ผลลัพธ์ใช้การแจกแจงจำกัดนี้ การแจกแจงทั่วไปต้องหาค่าคาดหมายจากเวกเตอร์ที่เป็นไปได้ทั้งหมด
สัญลักษณ์
- เวกเตอร์คอลัมน์จำนวนจริง
- ทรานสโพสของเวกเตอร์
- เมทริกซ์จัตุรัสของผลคูณภายนอก
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
vectors=[ [1, 0], [0, 2], ]probabilities=[0.5, 0.5]
คำนวณที่นี่
นิพจน์ผลลัพธ์: { vectors, probabilities, moment }
moment=[0, 1].map((i) => [0, 1].map((j) => vectors.reduce((s, x, k) => s + probabilities[k] * x[i] * x[j], 0)), )ใช้:vectors,probabilities
ส่งกลับ
vectors- อาร์เรย์ (2 รายการ): [อาร์เรย์ (2 รายการ): [1, 0], อาร์เรย์ (2 รายการ): [0, 2]]
probabilities- อาร์เรย์ (2 รายการ): [0.5, 0.5]
moment- อาร์เรย์ (2 รายการ): [อาร์เรย์ (2 รายการ): [0.5, 0], อาร์เรย์ (2 รายการ): [0, 2]]
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขในตัวอย่างนี้สร้างขึ้น ผลลัพธ์ใช้การแจกแจงจำกัดนี้ การแจกแจงทั่วไปต้องหาค่าคาดหมายจากเวกเตอร์ที่เป็นไปได้ทั้งหมด
แหล่งอ้างอิง: สัญกรณ์ในข้อความ