に投稿 コメントを残す

分類器の種類

さて、パーセプトロン分類器についてですが、これは人工ニューラルネットワークから取られた概念です。 ここでの問題は、これをX1とX2の2つのクラスに分類することです。 パーセプトロンには2つの入力があり、その間に和があります。入力はXi1とXi2、それに付随する重みw1とw2があります。 外からのYiキャップが目的の出力、w0がそれに対する重みで、我々の目的の出力は、システムがデータを正確にクラスに分類できることである。 この式は線形回帰と容易に関連付けることができます。ここで、YはY^と同様の従属変数です。 W0 は切片で、W1 と W2 は傾きです。 X1 と X2 は独立変数である。 ランダムな重みが生成されると言うことは、反復ごとにランダムなシミュレーションが行われていることを意味します。 ある出力をモデルに見せると、機械はその出力が期待値に近いものを出す必要があります。 当初は、それほど正確ではないかもしれません。 しかし、「学習」を続けるうちに、機械はより正確になっていく。 時間の経過とともに、誤差は最小になる。 データの複雑さやクラスの数によっては、解くのに時間がかかったり、学習者が許容できる精度に達するまで時間がかかることがあります。 つまり、データが複雑な場合、機械が期待する精度のレベルに到達するまでに、より多くの反復を要することになります。 このような繰り返しを、ディープラーニングの人工ニューラルネットワークでは「エポック」と呼んでいる。

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です