f: Rⁿ → R Fonksiyonları

Multivariate calculus from first principles

Bir f: Rⁿ → R fonksiyonu içeri bir vektör alır ve tek bir sayı döndürür. Makine öğrenmesini yürüten örnek, kayıp (loss) fonksiyonudur: ağın her ağırlığını içeri ver, geriye ne kadar kötü iş yaptığını söyleyen tek bir sayı al. Eğitimin tamamı bu fonksiyonun en alçak noktasını aramaktan ibarettir.

İki girdi için onu gerçekten gözünde canlandırabilirsin: z = f(x, y) bir yüzeydir, xy-düzleminin üstünde yüzen tepeler ve vadilerden oluşan bir manzaradır. Her (x, y) noktasındaki yükseklik, fonksiyonun değeridir.

Bir odadaki havayı hayal edin: herhangi bir noktada durduğunuzda termometre tam olarak bir sıcaklık gösterir. Bu kılık değiştirmiş bir f: R² → R fonksiyonudur: içeri bir (x, y) konumu girer ve tek bir sayı (oradaki sıcaklık) çıkar. Tüm oda, radyatörün yanında daha yüksek, pencerenin yanında daha düşük, sıcak ve serin bölgelerden oluşan bir manzaraya dönüşür.

Bunun ML'deki yeriEğitim sırasında bir kayıp eğrisinin aşağı doğru tıkladığını izlediğinde, aslında bu yüzeylerden biri üzerinde bir yürüyüşü izliyorsundur. Kayıp L(w₁, …, wₙ), ağırlık uzayı üzerinde bir Rⁿ → R fonksiyonudur, n ise milyonlar veya milyarlar mertebesindedir ve ekranındaki eğri sadece o yürüyüşün tek boyutlu bir gölgesidir. Araştırmacıların tartıştığı 'düz vs. keskin minimum' resimleri, kelimenin tam…
▶ f: Rⁿ → R Fonksiyonları
← Vektörler ve Rⁿ Geometrisif: Rⁿ → Rᵐ Fonksiyonları →