Neyron tarmoq asoslari va uni chuqur o'rganish

Средняя абсолютная ошибка в процентах (САОП, англ. MAPE). Вычисляет-ся по формуле:
O'rtacha mutlaq xato foizda (SAOP, English MAPE). U quyidagi formula bo'yicha hisoblanadi:


Обсуждение функций потерь для регрессии
Regressiya uchun yo'qotish funktsiyalarini muhokama qilish

Ни один из вышеупомянутых вариантов не имеет абсолютного преимущества во всех возможных ситуациях. СКО применяется очень широко, и в большинстве слу-чаев на нее можно положиться. То же справедливо и в отношении САО. Функции потерь СКЛО и САОП стоит рассматривать, если сеть предсказывает значения, на-ходящиеся в сильно различающихся диапазонах. Предположим, что сеть должна предсказать две выходные величины: одну – в диапазоне [0, 10], другую – в диа-пазоне [0, 100]. В таком случае САО и СКО будут штрафовать второе предсказание сильнее, чем первое. САОП оперирует относительной ошибкой, поэтому для нее ширина диапазона не играет роли. СКЛО «сплющивает» выходной диапазон, так что 10 и 100 преобразуются соответственно в 1 и 2 (если логарифм берется по основанию 10).

Yuqoridagi variantlarning hech biri barcha mumkin bo'lgan holatlarda mutlaq ustunlikka ega emas. DIS juda keng qo'llaniladi va ko'p hollarda bunga ishonish mumkin. SAO uchun ham xuddi shunday. Agar tarmoq juda turli diapazonda joylashgan qiymatlarni bashorat qilsa, SCLO va SAOPning yo'qotish funktsiyalari hisobga olinishi kerak. Aytaylik, tarmoq ikkita chiqish miqdorini bashorat qilishi kerak: biri [0, 10], ikkinchisi [0, 100]. Bunday holda, CAO va DIS ikkinchi bashoratni avvalgisiga qaraganda ko'proq jazolashadi. SAOP nisbiy xato bilan ishlaydi, shuning uchun diapazonning kengligi bu uchun rol o'ynamaydi. SCLO chiqish oralig'ini "tekislaydi", shunda 10 va 100 mos ravishda 1 va 2 ga aylantiriladi (agar logarifm 10 bazasida qabul qilinsa).


Типичное применение регрессии в нейронных сетях
Neyron tarmoqlarda regressning odatiy qo'llanilishi

Хотя СКЛО и САОП пригодны для работы с широкими диапазонами, обычно в нейронных сетях принято нормировать входные данные на подходящий диапазон и использовать СКО или САО для оптимизации среднего или медианы.

SKLO va SAOP keng diapazonlar bilan ishlashga yaroqli bo'lsa-da, odatda neyron tarmoqlarda kirish ma'lumotlarini mos keladigan oraliqda normalizatsiya qilish va RMS yoki SAO-ni o'rtacha yoki medianani optimallashtirish uchun ishlatish odatiy holdir.