機械学習におけるアクティベーション関数とは 私はほとんどの記事とビデオを読んでいますが、誰もがそれを述べたり、ニューラル ネットワークと比較したりしています。私は機械学習の初心者であり、深層学習やニューラル ネットワークにはあまり詳しくありません。それで、アクティベーション関数とは正確には何なのか説明してもらえますか？ニューラルネットワークで説明する代わりに。ロジスティック回帰のシグモイド関数を学習しているときに、このあいまいさに気づきました。
3 に答える
3
自動学習への言及なしにアクティベーション関数を説明するのはかなり困難です。なぜなら、それはまさにそれらのアプリケーションであり、集合的な用語の背後にある理論的根拠でもあるからです。それらは、一連の機能的変換の中で学習に集中するのに役立ちます。説明の複雑さを軽減しようとします。
非常に簡単に言えば、アクティベーション関数は、出力信号 (一連の値) を現在の形式から、より「アクティブ」または目の前の目的に役立つものに変更するフィルターです。
たとえば、非常に単純なアクティベーション関数は、大学入学のカットオフ スコアになります。私の大学では、SAT の各セクションで少なくとも 500 点が必要です。したがって、すべての志願者はこのフィルターを通過します。その要件を満たさない場合、「入学スコア」はゼロに落とされます。これにより、他の候補が「アクティブ化」されます。
別の一般的な関数は、あなたが研究したシグモイドです。アイデアは、明らかに優れた値 (それらを 1 に近づけてマッピングする) と明らかに望ましくない値 (それらを -1 に近づけてマッピングする) を区別し、それらを識別または学習する能力を保持することです。中央（今後の作業に役立つグラデーションを使用してマップします）。
3 番目のタイプは、たとえばサッカーのゴールとアシストなど、スペクトルの最上部で違いを際立たせる可能性があります。選手間のスキルの相対的なレベルを判断する際には、次の点を考慮する必要があります。1 シーズンの 15 ゴールと 18 ゴールの差は、0 ゴールと 3 ゴールの差と同じですか? 数字が大きいほど、スコアリング スキルの違いが大きいと主張する人もいます。スコアが高いほど、対戦相手が集中してあなたを止めようとするからです。また、メトリックには少し「ノイズ」があることを考慮する必要があるかもしれません: シーズンの最初の 2 つのゴールは実際にはあまり示していません.
この場合、次のgような目標の活性化関数を選択できます。
1.2 ^ max(0, g-2)
この評価は、プレーヤーのメトリックを取得するために、他の要因に追加されます。
これはあなたにとって物事を説明するのに役立ちますか?
于 2018-03-20T18:44:40.380 に答える