คณิตศาสตร์สมัยใหม่ของการเรียนรู้เชิงลึกอธิบายสำหรับผู้ที่ไม่ใช่นักคณิตศาสตร์

ความผิดพลาดฟังก์ชันถ่วงน้ำหนัก

โครงการเรียนรู้เพนกวิน

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

โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้

นอร์มและระยะทาง · วัดขนาดหรือความแตกต่างในปริภูมิที่กำหนด

เวกเตอร์โครงการมีสองคุณลักษณะ เมทริกซ์ฝึกมี n แถวและสองคอลัมน์ ใช้เครื่องมือเมื่อสมมติฐานตรงกัน

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

เมเชอร์ μ ระบุวิธีถ่วงน้ำหนักความผิดพลาดของฟังก์ชันเมื่อหานอร์ม L²

การเปลี่ยนเมเชอร์เปลี่ยนสัดส่วนที่ความผิดพลาดจากข้อมูลป้อนเข้าต่างกันมีส่วนร่วม

ตัวอย่างสูตรต้นฉบับ

μ\mu

ตัวอย่างประกอบ · เมเชอร์ความน่าจะเป็นจำกัดนี้แสดงอินทิกรัล ไม่ได้ทำซ้ำเมเชอร์เฉพาะของต้นฉบับ

สัญลักษณ์

μμ
เมเชอร์ที่ใช้ถ่วงน้ำหนักความผิดพลาดฟังก์ชัน

ตัวอย่างสูตรต้นฉบับ

ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ

แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท

ลำดับข้อมูลในตัวอย่างนี้

ค่าเริ่มต้นในโค้ด

  • errors = [1, 2]
  • weights = [0.25, 0.75]

คำนวณที่นี่

นิพจน์ผลลัพธ์: { errors, weights, squaredError: errors.reduce((s, e, i) => s + weights[i] * e * e, 0), }

ส่งกลับ

ผลลัพธ์ตัวอย่าง
errors
อาร์เรย์ (2 รายการ): [1, 2]
weights
อาร์เรย์ (2 รายการ): [0.25, 0.75]
squaredError
3.25

อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.

ผลลัพธ์

เปิด JavaScript เพื่อรันตัวอย่างนี้

ข้อความทางเทคนิค

ค่าตัวเลขสร้างขึ้น เมเชอร์ความน่าจะเป็นจำกัดนี้แสดงอินทิกรัล ไม่ได้ทำซ้ำเมเชอร์เฉพาะของต้นฉบับ

แหล่งอ้างอิง: สัญกรณ์ในข้อความ