Diskussion zum Artikel "Matrix Utils, Erweiterung der Funktionalität der Standardbibliothek für Matrizen und Vektoren"

 

Neuer Artikel Matrix Utils, Erweiterung der Funktionalität der Standardbibliothek für Matrizen und Vektoren :

Matrizen dienen als Grundlage für Algorithmen des maschinellen Lernens und für Computer im Allgemeinen, da sie große mathematische Operationen effektiv verarbeiten können. Die Standardbibliothek bietet alles, was man braucht, aber wir wollen sehen, wie wir sie erweitern können, indem wir in der Datei utils mehrere Funktionen einführen, die in der Bibliothek noch nicht vorhanden sind

Das mehrschichtige Perzeptron hat 2 Eingabeknoten/Neuronen, einen für die Höhe der Beine und den anderen für den Körperdurchmesser auf der Eingabeschicht, während die Ausgabeschicht 3 Knoten hat, die die 3 Ergebnisse Hund, Katze und Mäuse darstellen.

Angenommen, wir füttern dieses MLP mit den Werten 12 und 20 für die Höhe bzw. den Durchmesser, dann erwarten wir, dass das neuronale Netz dies als einen Hund klassifiziert, richtig? Die One-Hot-Kodierung setzt den Wert 1 in den Knoten, der den korrekten Wert für den gegebenen Trainingsdatensatz hat, in diesem Fall in den Knoten für einen Hund, der den Wert 1 bekommt, und der Rest erhält den Wert 0. 

Da der Rest der Werte Nullen sind, können wir die Kostenfunktion berechnen, indem wir die Werte eines Hot Encoding Vektors mit jeder der Wahrscheinlichkeiten, die uns das Modell geliefert hat, ersetzen.

Autor: Omega J Msigwa