Domande taggate «loss-functions»

In diverse competizioni kaggle il punteggio si basava sulla "perdita di log". Ciò si riferisce all'errore di classificazione. Ecco una risposta tecnica ma sto cercando una risposta intuitiva. Mi sono piaciute molto le risposte a questa domanda sulla distanza di Mahalanobis, ma PCA non è in perdita. Posso usare il …

10 interpretation  intuition  loss-functions 

Sto addestrando una semplice rete neurale convoluzionale per la regressione, in cui il compito è prevedere la posizione (x, y) di una scatola in un'immagine, ad esempio: L'output della rete ha due nodi, uno per x e uno per y. Il resto della rete è una rete neurale convoluzionale standard. …

9 machine-learning  neural-networks  optimization  deep-learning  loss-functions 

So di averlo visto in entrambi i modi, quindi c'è una differenza tra i due, e quale è più comunemente indicato?

9 logistic  terminology  logarithm  loss-functions 

Considera la perdita quadratica , con il precedente dato dove . Sia la probabilità. Trova lo stimatore di Bayes .L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim U(0,1/2)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπδπ\delta^\pi Considera la perdita quadratica ponderata dove con precedente . Sia sia la probabilità. Trova lo stimatore di Bayes .Lw(θ,δ)=w(θ)(θ−δ)2Lw(θ,δ)=w(θ)(θ−δ)2L_w(\theta,\delta)=w(\theta)(\theta-\delta)^2w(θ)=I(−∞,1/2)w(θ)=I(−∞,1/2)w(\theta)=\mathbb{I}_{(-\infty,1/2)}π1(θ)=I[0,1](θ)π1(θ)=I[0,1](θ)\pi_1(\theta)=\mathbb{I}_{[0,1]}(\theta)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπ1δ1π\delta^\pi_1 Confronta eδπδπ\delta^\piδπ1δ1π\delta^\pi_1 Per prima cosa ho …

9 self-study  bayesian  estimation  hierarchical-bayesian  loss-functions 

La perdita di L2, insieme alla perdita di L0 e L1, sono tre funzioni di perdita "predefinite" molto comuni utilizzate quando si riassume un posteriore con la perdita minima prevista sul retro. Uno dei motivi è forse che sono relativamente facili da calcolare (almeno per le distribuzioni 1d), L0 risulta …

9 bayes  teaching  decision-theory  loss-functions