Discussão do artigo "Matrix Utils, estendendo as matrizes e a funcionalidade da biblioteca padrão de vetores"
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Novo artigo Matrix Utils, estendendo as matrizes e a funcionalidade da biblioteca padrão de vetores foi publicado:
As matrizes servem como base para os algoritmos de aprendizado de máquina e computação em geral devido à sua capacidade de lidar efetivamente com grandes operações matemáticas. A biblioteca padrão tem tudo o que é necessário, mas vamos ver como podemos estendê-la introduzindo várias funções no arquivo utils, ainda não disponível na biblioteca.
O perceptron multicamadas terá 2 nós/neurônios de entrada, um para a altura das pernas e outro para o diâmetro do corpo na camada de entrada, enquanto a camada de saída terá 3 nós representando os 3 resultados Cachorro, Gato e Camundongos.
Agora digamos que alimentamos esta MLP com o valor de 12 e 20 para altura e diâmetro respectivamente, nós esperamos que a rede neural classifique isso como um cachorro, certo? o que a One hot encoding faz é colocar o valor igual a um em um nó que tem o valor correto para o conjunto de dados de treinamento fornecido, neste caso, no nó de um cachorro, o valor de 1 será colocado e o restante será carregado com os valores iguais a zero.
Como o restante dos valores tem zeros, podemos calcular a função de custo substituindo os valores de um vetor one hot encoding por cada uma das probabilidades que o modelo nos forneceu, esse erro será propagado de volta à rede em seus respectivos nós anteriores de uma camada anterior.
Autor: Omega J Msigwa