Bài giảng Học máy - L4: Các phương pháp học có giám sát
i là đánh giá hiện thời của hệ thống đối với giá trị trọng số của
thuộc tính thứ i
→ Giá trị đầu ra thực tế yx được mong muốn là (xấp xỉ) cx
Đối với mỗi ví dụ kiểm thử z=(z1,z2,...,zn)
• Cần dự đoán (tính) giá trị đầu ra
• Bằng cách áp dụng hàm mục tiêu đã học được f
thuộc tính thứ i
→ Giá trị đầu ra thực tế yx được mong muốn là (xấp xỉ) cx
Đối với mỗi ví dụ kiểm thử z=(z1,z2,...,zn)
• Cần dự đoán (tính) giá trị đầu ra
• Bằng cách áp dụng hàm mục tiêu đã học được f
Bạn đang xem tài liệu "Bài giảng Học máy - L4: Các phương pháp học có giám sát", để tải tài liệu gốc về máy hãy click vào nút Download ở trên.
File đính kèm:
- bai_giang_hoc_may_l4_cac_phuong_phap_hoc_co_giam_sat.pdf
Nội dung text: Bài giảng Học máy - L4: Các phương pháp học có giám sát
- Nội dung môn học: Giới thiệu chung Đánh giá hiệu năng hệ thống học máy Các p hương pháp học dựa ttêrên x ác suất Các phương pháp họccógiámsát Hồi quy tuyến tính (Linear regression) Các phương pháp học không giám sát Lọccộng tác Học tăng cường Học Máy – IT 4862 2
- Hồi quy tuyến tính – Ví dụ Hàm tuyến tính f(x) nào phù hợp? x f(x) f(x) 0.13 -0.91 1.02 -0.17 3.17 1.61 -2.76 -3.31 1.44 0.18 5.28 3.36 -1.74 -2.46 x 7937.93 5565.56 Ví dụ: f(x) = -1.02 + 0.83x ọ H c Máy – IT 4862 4
- Hàm đánh giá lỗi Giải thuật học hồi quy tuyến tính cần phải xác định hàm đáhánh g iáliá lỗi → Đánh giá mức độ lỗi của hệ thống trong giai đoạn huấn luyện Định nghĩa hàm lỗi E • Lỗi của hệ thống đối với mỗi ví dụ học x: 2 1 1 ⎛ n ⎞ 2 ⎜ ⎟ E(x) = (cx − yx ) = ⎜cx − w0 − ∑ wi xi ⎟ 2 2 ⎝ i=1 ⎠ • Lỗi của hệ thống đối với toàn bộ tập huấn luyện D: 2 1 1 ⎛ n ⎞ 2 ⎜ ⎟ E = ∑ E(x) = ∑(cx − yx ) = ∑⎜cx − w0 − ∑ wi xi ⎟ x∈D 2 x∈D 2 x∈D⎝ i=1 ⎠ ọ H c Máy – IT 4862 6
- Quy tắc delta Để cập nhật vectơ trọng số w theo hướng giúp giảm bớt giá trị lỗiihu huấnnluy luyện E • η là tốc độ học (là một hằng số dương) → Xác định mức độ thay đổi đối với các giá trị trọng số tại mỗi bước học • Cập nhật theo từng ví dụ (Instance-to-instance/incremental update): wi ← wi + η(cx-yx)xi • Cập nhật theo đợt (Batch update): wi ← wi +η ∑(cx − yx )xi x∈D Các tên gọi khác của quy tắc delta • LMS (least mean square) rule • Adaline rule • Widrow-Hoff rule ọ H c Máy – IT 4862 8
- Cập nhật theo đợt/theo từng ví dụ Giải thuật trên tuân theo chiến lược cập nhật theo đợt Cập nhật theo đợt (Batch update) • Tại mỗi bước học, các giá trị trọng số được cập nhật sau khi tất cả các ví d ụ học được đưaavào( vào (đượcch họccb bởi) hệ thống - Giá trị lỗi được tính tích lũy đối với tất cả các ví dụ học - Các giá trị trọng số được cập nhật theo giá trị lỗi tích lũy tổng thể Cập nhật theo từng ví dụ (Instance-to-instance/ incremental update) • Tại mỗiib bước học, cááiátc giá trị trọng số được cập nhật ngay lập tức sau khi mỗi ví dụ học được đưa vào (được học bởi) hệ thống - Giá trị lỗi (riêng biệt) được tính cho ví dụ học đưa vào - Các giá trị trọng số được cập nhật ngay lập tức theo giá trị lỗi này ọ H c Máy – IT 4862 10
- Các điều kiện kết thúc học Trong các giải thuật LSLR_batch và LSiSLR_incrementa l, quátìá trình hh học kếtthút thúc khi c ác điều kiện được chỉ định bởi CONVERGENCE được thỏa mãn Các điều kiện kếtthút thúc học thường được địnhhh nghĩa dựa trên một số tiêu chí đánh giá hiệu năng hệ thống • Kết thúc, nếu giá trị lỗi nhỏ hơn giá trị ngưỡng • Kết thúc, nếu giá trị lỗi ở một bước học lớn hơn giá trị lỗi ở bước học trước • Kếtthút thúc, nếu sự khác biệtti giữa cááiátc giá trị lỗi ở 22b bước học liên tiếp nhỏ hơn giá trị ngưỡng • ọ H c Máy – IT 4862 12