- Una dimensión VC en una red neuronal es una medida de la capacidad de la red neuronal.
- Una capacidad es la cardinalidad (número de elementos en un conjunto) del conjunto de elementos más grande que puede romperse .
- La ruptura se refiere al proceso de disección de dos clases de elementos de tal manera que la red neuronal siempre clasifique las etiquetas y los elementos con precisión. Eso significa que todos los datos con las mismas características o características similares estarían en sus respectivas clases o grupos.
- Por ejemplo, suponga que está realizando una clasificación en 3 puntos de datos.
- Deje que dos de ellos sean positivos y otro negativo. Hay 2 ^ 3 = 8 formas posibles de separarlos con precisión utilizando una línea de regresión. Los dos puntos de datos positivos se encuentran en un lado de la línea y los negativos en el otro lado, lo que significa que los 3 puntos pueden romperse . Entonces la dimensión VC de la red neuronal sería 3.
- Pero para un conjunto con 4 puntos de datos, la ruptura no es posible de acuerdo con el Teorema de Radon, ya que no hay forma de clasificar con éxito dos puntos de datos que pertenecen a una clase y los otros dos que pertenecen a otra completamente. Por lo tanto, la dimensión VC de una sola unidad oculta es inferior a 4.
Un conjunto de 4 puntos de datos no se puede dispersar
- ¿Cuáles son actualmente las capacidades más altas o más impresionantes del aprendizaje automático?
- ¿Cómo se utilizará la IA para la informática del consumidor?
- Aprendizaje automático: ¿cómo funciona la búsqueda de cuadrícula?
- ¿Cuál es un ejemplo de un programa que puede mejorar recursivamente? (Pregunta AI)
- Cómo implementar un abandono en redes neuronales profundas