Drei Arten von Beweisen
Warum das wichtig ist "Das Modell hat ein Neuron für X" ist einer der am häufigsten wiederholten Sätze im Machine Learning, und meistens ist der Beweis dahinter ein Bild. In diesem Modul geht es um den Unterschied zwischen einem Bild und einem Beweis.
Jede Behauptung darüber, was in einem Netzwerk passiert, basiert auf einer von drei Arten von Beweisen, vom schwächsten bis zum stärksten:
- Pattern: etwas innen passt zu etwas außen. Eine Einheit ist groß, wenn der Text über Katzen handelt; ein Kopf achtet auf das vorherige Wort. Du hast geschaut, du hast nicht berührt.
- Effect: du hast etwas innen geändert und der output hat sich geändert. Entferne den head und der loss steigt; setze einen wert von einem anderen input wieder ein und die antwort dreht sich um. Jetzt weißt du, warum das wichtig ist, aber nicht genau, was es tut.
- Mechanism: eine Erklärung, was der Teil berechnet, der vorhersagt, was bei Eingaben passieren wird, die du noch nicht ausprobiert hast, und die Vorhersage stimmt.
Patterns sind billig und sie sind der Ort, an dem jede Untersuchung beginnt. Sie werden erst nach einem Effekt zu Behauptungen und erst nach einer Vorhersage, die gescheitert hätte, zu einer Erklärung.
Wörter und Symbole in dieser Lektion
- muster, effekt, mechanismus
- drei Arten von Beweisen: angeschaut und gesehen; es geändert und der output hat sich geändert; es erklärt und die Erklärung hat neue Fälle vorhergesagt
Fülle kind: für jede Behauptung, "Muster", "Effekt" oder "Mechanismus" (die stärkste Art, die ihre Beweise unterstützen).
Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion
Diese Übung öffnet bald
Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.
Dieser Browser blockiert Cookies für learn.floati.life, daher können hier beendigte Lektionen nicht in der richtigen Reihenfolge geöffnet werden. Erlaube Cookies für diese Seite und lade sie neu.