15. diel - Neurónové siete – Krížová entropia
V minulej lekcii, Neurónové siete - K-fold a refaktoring , sme prebrali krížovú validáciu K-fold a refaktorovali sme našu triedu Neuron.
V tejto lekcii tutoriálu Neurónovej siete - Pokročilé preberieme stratové funkcie krížová entropia a binárna krížová entropia. V praxi sa tieto funkcie bežne označujú ako cross entropy a binary cross entropy, a preto budeme anglické názvy používať tiež.
Importy, ktoré budeme potrebovať sú:
import numpy as np import matplotlib.pyplot as plt import sklearn.datasets, sklearn.model_selection
Cross-entropy loss
Doteraz sme používali Mean-Squared error (MSE) loss funkciu. V tejto lekcii tutoriálu si ukážeme detailnejšie cross-entropy loss funkciu, ktorá je vhodnejšia pre klasifikačné problémy. MSE je preferovanou stratou, ak robíme regresiu (snažíme sa predpovedať reálne číslo), ale pre klasifikačnú úlohu, kedy by sme mali predpovedať, z ktorej triedy príklad pochádza, je krížová entropia oveľa lepšia. Prečo tomu tak je, si teraz vysvetlíme.
...koniec náhľadu článku...
Pokračuj ďalej
Došiel si až sem a to je super! Veríme, že ti prvé lekcie ukázali niečo nového a užitočného.
Chceš v kurze pokračovať? Prejdi do prémiové sekcie.
Kúpiť iba tento kurz
Získaj okamžitý prístup ku kurzu bez
časového obmedzenia.
475 kreditov
Pred kúpou tohto článku je potrebné kúpiť predchádzajúci diel
Obsah článku spadá pod licenciu Premium, kúpou článku súhlasíš so zmluvnými podmienkami.
- Prístup k jednotlivým lekciám podľa spôsobu obstarania.
- Kvalitné znalosti v oblasti IT.
- Zručnosti, ktoré ti pomôžu získať vysnívanú a dobre platenú prácu.
Popis článku
Požadovaný článok má nasledujúci obsah:
V tejto lekcii tutoriálu Neurónovej siete - Pokročilé sa zameriame na stratovú funkciu cross entropy a binary cross entropy.
Kredity získaš, keď podporíš našu sieť. To môžeš urobiť buď zaslaním symbolickej sumy na podporu prevádzky alebo pridaním obsahu na sieť.
