Neyron tarmoq asoslari va uni chuqur o'rganish

Функции потерь для классификации
Tasniflash uchun yo'qotish funktsiyalari

Можно построить нейронную сеть для распределения данных по нескольким ка-тегориям, например мошенническая или честная операция. Но при таком их при-менении обычно возвращаются вероятности классов (30% за мошенническую, 70% за честную). Для этого необходимы другие функции потерь.

Soxta yoki halol ishlash kabi bir nechta toifalarda ma'lumotlarni tarqatish uchun siz neyron tarmog'ini qurishingiz mumkin. Ammo bunday dastur bilan sinf ehtimollari odatda qaytadi (soxta uchun 30%, halol uchun 70%). Bu boshqa yo'qotish funktsiyalarini talab qiladi.


Кусочно-линейная функция потерь


Chiziqli yo'qotish funktsiyasi

Кусочно-линейная функция (hinge loss) применяется в основном тогда, когда сеть оптимизируется для безусловной классификации. Например, 0 = честная операция, 1 = мошенническая (бинарный классификатор). Выбор чисел 0 и 1 произво-лен, с тем же успехом можно было бы взять –1 и 1. Кусочно-линейная функция потерь часто встречается в классе моделей классификации с максимальным за-зором (например, в методе опорных векторов, отдаленном родственнике нейрон-ных сетей).

To'g'ri chiziqli funktsiya (menteşe yo'qolishi) asosan tarmoq shartsiz tasniflash uchun optimallashtirilganda ishlatiladi. Masalan, 0 = adolatli operatsiya, 1 = firibgar (ikkilik tasniflagich). 0 va 1 raqamlarini tanlash o'zboshimchalik bilan amalga oshiriladi, bir xil muvaffaqiyat bilan - 1 va 1 ga erishish mumkin. To'g'ri chiziqli yo'qotish funktsiyasi ko'pincha eng yuqori darajadagi tasnif modellari klassida uchraydi (masalan, qo'llab-quvvatlash vektor usulida, neyronning uzoq qarindoshi). ny tarmoqlari).

Функции потерь  79

Ниже приведено уравнение кусочно-линейной функции потерь для случая, ког-да данным нужно присвоить класс –1 или 1:

Quyida ma'lumotlarga -1 yoki 1 klassi berilishi kerak bo'lgan vaziyatda chiziqli yo'qotish funktsiyasining tenglamasi keltirilgan:

Чаще всего кусочно-линейная функция потерь применяется для бинарной клас-сификации. Существуют ее обобщения на случай многоклассовой классификации («один против всех», «один против одного»), но мы их рассматривать не будем.

Ikkilik tasniflash uchun ko'pincha chiziqli yo'qotish funktsiyasidan foydalaniladi. Ko'p tasniflash tasnifi ("hammaga qarshi", "bittasiga qarshi") umumlashmalari mavjud, ammo biz ularni ko'rib chiqmaymiz.