Kostenlos online Mathe üben

Mathematische Formeln für maschinelles Lernen üben

Häufig verwendete Formeln für Verlustfunktionen, Aktivierung, Wahrscheinlichkeit und Optimierung.

Jetzt übenMathematische Formeln für maschinelles Lernen

  • Kostenlos üben.
  • Kein Konto nötig.
  • Dein Fortschritt bleibt auf diesem Gerät.

Das übst du

Kläre vor dem Abrufen einer Formel, welche Rolle die Verlustfunktion, Aktivierungsfunktion oder Aktualisierungsregel spielt. Eine Formel zu kennen zeigt noch nicht, ob ein Modell zu einem Datensatz passt.

Wobei dir das hilft

Modelle des maschinellen Lernens lesen und umsetzen, ohne Formeln so oft nachzuschlagen.

Bevor du beginnst

Probiere die Beispiele aus, um zu sehen, was du üben kannst. Achte auf die geforderte Antwortform und alle angegebenen Bedingungen.

Erklärungen

Einen Schritt gegen den Gradienten gehen

Für J(θ) = θ² ist der Gradient bei θ = 3 gleich 6. Bei der Schrittweite η = 0,1 gilt: θ neu = 3 − 0,1 × 6 = 2,4.

Nutze θ neu = θ − η∇J(θ). Dabei ist J eine differenzierbare Verlustfunktion, ∇J ihr Gradient und η > 0 die Schrittweite. In einer Dimension bedeutet eine positive Ableitung: θ verkleinern. Bei negativer Ableitung vergrößerst du θ. Ein ausreichend kleiner Schritt in diese Richtung verringert den Verlust. Eine Ableitung von null allein gibt keine Richtung zur Verringerung an. Ein großer Schritt kann über das Ziel hinausschießen.

Gewichtete Eingaben und den Achsenabschnitt addieren

Seien x = (2, 3), w = (4, −1) und b = 5. ŷ = 4 × 2 + (−1) × 3 + 5 = 10.

Das Modell lautet ŷ = w · x + b. Multipliziere jede Eingabe mit ihrem Gewicht. Addiere die Produkte und dann einmal den Achsenabschnitt b. Die Vektoren w und x müssen gleich viele Einträge haben.

Die Fehlerquadrate mitteln

Die beobachteten Werte sind 2 und 5. Die Vorhersagen sind 3 und 3. MSE = ((2 − 3)² + (5 − 3)²)/2 = (1 + 4)/2 = 2,5.

Nutze MSE = Σ(yᵢ − ŷᵢ)²/n für n > 0 Paare. Dabei ist yᵢ ein beobachteter Wert, ŷᵢ seine Vorhersage, und Σ bedeutet, alle n Terme zu addieren. Das Quadrieren verhindert, dass sich entgegengesetzte Fehler aufheben.

Einen Wert in eine Zahl zwischen null und eins umwandeln

Bei z = 0 gilt σ(z) = 1/(1 + e⁰) = 1/2.

Die Sigmoidformel lautet σ(z) = 1/(1 + exp(−z)), wobei exp(u) gleich e hoch u bedeutet. Für einen endlichen reellen Wert z liegt das Ergebnis strikt zwischen 0 und 1. Positive Werte liefern Ergebnisse über 1/2, negative Werte unter 1/2. Behalte das Minuszeichen im Exponenten.

Mehrere Werte in Anteile umwandeln

Angenommen, für zwei Eingabewerte ergibt die Exponentialfunktion 2 und 3. Ihre Softmax-Werte sind: 2/(2 + 3) = 2/5 3/(2 + 3) = 3/5

Für K Werte gilt softmax(z)ᵢ = exp(zᵢ)/Σⱼ₌₁ᴷ exp(zⱼ). Dabei bedeutet exp(u) gleich e hoch u. Teile den Exponentialwert der gewählten Eingabe durch die Summe aller Exponentialwerte. Die Ergebnisse sind positiv und ergeben zusammen 1.

Ein paar Beispiele ausprobieren

Echte Übungen. Echte Fortschritte.

Beispiel 1 von 4

J ist differenzierbar. θ ist der Parametervektor und η > 0 ist die Schrittweite.

Wähle den exakten Term.

US-Klassenstufen und Kurse mit diesem Thema

Verwandte Übungen

Jetzt übenMathematische Formeln für maschinelles Lernen

  • Kostenlos üben.
  • Kein Konto nötig.
  • Dein Fortschritt bleibt auf diesem Gerät.