Publicat pe Lasă un comentariu

Diferite tipuri de clasificatoare

Acum, să vorbim despre clasificatoarele Perceptron – este un concept preluat din rețelele neuronale artificiale. Problema aici este de a clasifica acest lucru în două clase, X1 sau clasa X2. Există două intrări date perceptronului și există o însumare între ele; intrarea este Xi1 și Xi2 și există ponderi asociate cu aceasta, w1 și w2. Capul Yi din exterior este ieșirea dorită, iar w0 este o pondere pentru aceasta, iar ieșirea noastră dorită este ca sistemul să poată clasifica datele în clasele cu acuratețe. Puteți relaționa cu ușurință această ecuație cu regresia liniară; în care, Y este variabila dependentă similară cu Y^. W0 este intercepția, W1 și W2 sunt pantele. X1 și X2 sunt variabilele independente. Când spunem că se generează ponderi aleatorii, înseamnă că la fiecare iterație are loc o simulare aleatorie. Atunci când avem un rezultat dorit pe care îl arătăm modelului, mașina trebuie să producă un rezultat similar așteptărilor noastre. Inițial, este posibil să nu fie la fel de precisă. Dar, pe măsură ce „antrenamentul” continuă, mașina devine mai precisă. Odată cu trecerea timpului, eroarea se minimizează. În funcție de complexitatea datelor și de numărul de clase, poate dura mai mult timp pentru a rezolva sau pentru a atinge un nivel de precizie acceptabil pentru formator. Aceasta înseamnă că, atunci când datele sunt complexe, mașina va avea nevoie de mai multe iterații înainte de a atinge un nivel de precizie pe care îl așteptăm de la ea. Aceste iterații se numesc Epochs în rețelele neuronale artificiale în problemele de învățare profundă.

Lasă un răspuns

Adresa ta de email nu va fi publicată. Câmpurile obligatorii sunt marcate cu *