Tre tipi di prova
Perché è importante "Il modello ha un neurone per X" è una delle frasi più ripetute nel machine learning, e quasi sempre la prova dietro è un'immagine. Questo modulo parla della differenza tra un'immagine e una dimostrazione.
Ogni affermazione su che cosa succede dentro una rete poggia su uno di tre tipi di prova, dal più debole al più forte:
- Schema: qualcosa dentro si allinea con qualcosa fuori. Un'unità è grande quando il testo parla di gatti; una testa presta attenzione alla parola precedente. Hai guardato, non hai toccato.
- Effetto: hai cambiato qualcosa dentro e l'output è cambiato. Togli la testa e la loss sale; rimetti un valore preso da un altro input e la risposta si ribalta. Ora sai che conta, ma non esattamente che cosa fa.
- Meccanismo: una spiegazione di che cosa calcola la parte che prevede che cosa succederà su input che non hai ancora provato, e la previsione regge.
Gli schemi costano poco e sono il punto di partenza di ogni indagine. Diventano affermazioni solo dopo un effetto, e una spiegazione solo dopo una previsione che avrebbe potuto fallire.
Parole e simboli di questa lezione
- schema, effetto, meccanismo
- tre tipi di prova: hai guardato e visto; l'hai cambiato e l'output è cambiato; l'hai spiegato e la spiegazione ha previsto casi nuovi
Riempi kind: per ogni affermazione, "pattern", "effect" o "mechanism" (il tipo più forte che la sua prova sostiene).
Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione
Questo esercizio si apre presto
Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.
Questo browser blocca i cookie per learn.floati.life, quindi le lezioni che hai finito qui non si possono aprire in ordine. Consenti i cookie per questo sito e ricarica.