ฟังก์ชันการสูญเสียคืออะไร?

Linear Classifiers ใน Python

Michael Gelbart

Instructor, The University of British Columbia

Least squares: การสูญเสียแบบกำลังสอง

  • LinearRegression ของ scikit-learn ทำการลดค่าการสูญเสีย: $$\sum_{i=1}^n (\text{true} \; i \text{th target value}-\text{predicted} \; i \text{th target value})^2$$
  • การลดค่านี้อ้างอิงกับค่าสัมประสิทธิ์หรือพารามิเตอร์ของโมเดล
  • หมายเหตุ: model.score() ใน scikit-learn ไม่จำเป็นต้องเป็นฟังก์ชันการสูญเสีย
Linear Classifiers ใน Python

ข้อผิดพลาดในการจำแนกประเภท: 0-1 loss

  • การสูญเสียแบบกำลังสองไม่เหมาะกับปัญหาการจำแนกประเภท (จะกล่าวถึงเพิ่มเติมในภายหลัง)
  • การสูญเสียที่เหมาะสมสำหรับปัญหาการจำแนกประเภทคือจำนวนข้อผิดพลาด
  • นี่คือ 0-1 loss: ให้ค่า 0 เมื่อทำนายถูก และ 1 เมื่อทำนายผิด
  • แต่การลดค่าการสูญเสียนี้ทำได้ยาก!
Linear Classifiers ใน Python

การลดค่าฟังก์ชันการสูญเสีย

from scipy.optimize import minimize

minimize(np.square, 0).x

array([0.])

minimize(np.square, 2).x

array([-1.88846401e-08])
Linear Classifiers ใน Python

มาฝึกกันเถอะ!

Linear Classifiers ใน Python

Preparing Video For Download...