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

Vedomosti v hodnote stoviek tisíc získaš za pár eur

Došiel si až sem a to je super! Veríme, že ti prvé lekcie ukázali niečo nového a užitočného.
Chceš v kurze pokračovať? Prejdi do prémiovej sekcie.

Pred kúpou tohto článku je potrebné kúpiť predchádzajúci diel

Obsah článku spadá pod licenciu Premium, kúpou článku súhlasíš s Prevádzkovými podmienkami.

Čo od nás v ďalších lekciách dostaneš?
  • 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.
Článok pre vás napísal Patrik Valkovič
Avatar
Věnuji se programování v C++ a C#. Kromě toho také programuji v PHP (Nette) a JavaScriptu (NodeJS).
Aktivity