回答情况：
提问时间：
问题标签：
有没有java代码来实现法亚德和伊拉尼基于熵的离散化？我已经尝试读取文件，然后计算熵和信息增益。如何获得bounday积分？我必须实现法亚德和伊拉尼的离散化算法，它是基于熵和信息增益的(法亚德和伊拉尼，1993
浏览 3提问于2014-10-16得票数 0
1回答
嗨，只是玩代码，我得到了意想不到的结果交叉熵损失权的实现。pred=torch.tensor([[8,5,3,2,6,1,6,8,4],[2,5,1,3,4,6,2,2,6],[1,1,5,8,9,2,5,2,8],[2,2,6,4,1,1,7,8,3],[2,2,2,7,1,7,3,4,9],dtype=torch.float32)
在这类样本变量下，毕道尔的交叉熵损失为4.7894。loss = F.cross_entropy(pred, label, weight
浏览 0修改于2021-08-10得票数 2
回答已采纳
1回答
我要计算滚动窗口大小为500的多个时间序列的熵值。我在代码中使用了滚动应用函数，但它不起作用。
请帮助我计算熵(即下面的代码)在滚动窗口大小为500。为了您的方便，这里我提供了我的熵代码，这样您就可以更容易地在熵法中提出500滚动窗口大小的应用。
浏览 0修改于2019-02-08得票数 2
回答已采纳
对于乙状结肠激活，交叉熵日志丢失导致权值更新z(z - label) * x的简单梯度形式，其中z是神经元的输出。参考资料
二元交叉熵的导数-为什么我的符号不对？
浏览 0修改于2020-12-05得票数 2
回答已采纳
2回答
我不完全理解交叉熵误差是如何计算的。由于某些负数的对数没有定义(或虚的)，并且神经网络的输出可以是一些负数(权值和偏差是随机初始化的)，所以我经常得到NaN。我该怎么避免呢？
浏览 1提问于2015-12-03得票数 1
回答已采纳
Tensorflow函数tf.nn.weighted_cross_entropy_with_logits()接受参数pos_weight。将pos_weight定义为“用于正示例的系数”。我假设这意味着增加pos_weight会增加假阳性的损失，减少假阴性的损失。还是我倒过来了？
浏览 1修改于2016-11-20得票数 6
回答已采纳
输入映像为5x5，内核为2x2，它经历了一个ReLU激活函数。在ReLU获得最大的2x2池池后，这些池就会被平化，并连接到完全连接的层中。一旦通过完全连接层，输出被转换为Softmax概率。取交叉熵和softmax的导数，计算了全连通层的权值。
我感到困惑的是如何通过最大池预先形成反向传播，然后最终在卷积层中找到权值的导数。
浏览 0修改于2021-02-12得票数 2
回答已采纳
2回答
我想在我正在使用的算法中添加参数选择的交叉熵方法。问题是我不太懂数学表示法，也找不到用代码写成的交叉熵方法的这个版本。
浏览 3修改于2014-03-17得票数 1
回答已采纳
对单个额外单词的权重低白空间上的最小权0.95 GPL-1+.txt0.56 GPL-2+.txt0.78 GPL-3+.txt
我的一个想法是计算许可的熵，然后将unknown.txt和许可连接起来，再用ent计算熵。附加熵最小的文件是相似的。有更好的主意吗？
浏览 0提问于2021-06-08得票数 -1
回答已采纳
我想计算这个例子方案的熵。
然后熵是(第一行)所以熵是这个方案的For the secondcluster - ( (1/6)*Log(1/6) + (1/6)*Log(1/6) + (4/6)*Log(4/6) )
For the t
浏览 3提问于2016-03-03得票数 0
1回答
我在玩一些代码，它的行为与我预期的不一样。所以我把它简化为一个最简单的例子：test_target = torch.tensor([0])
loss_test = loss_function_test(test_act, test_target)> tensor(0.1269)
loss_f
浏览 2修改于2021-05-21得票数 0
回答已采纳
在http://neuralnetworksanddeeplearning.com/chap3.html中我有以下的推理，为了计算成本梯度，我们使用链规则，导出了关于激活的成本，关于(w *x+ b)的激活，以及与权重的和。对于权Wi，(和w*x+ b) w.r.to Wi的导数总是xi，而激活函数的导数不知道这一点，所以它不可能消除Xi，
浏览 0修改于2017-04-15得票数 2
回答已采纳
因此，P(+) = 4/9，P(−) = 5/9。训练样本的熵为−4/9 log2(4/9)−5/9−(5/9)= 0.9911。答案是：上述图像中的信息增益列仅为0.9911 -熵.熵的公式是：
但我不明白如何用这个公式来求分裂点的熵。
浏览 2提问于2017-03-24得票数 0
回答已采纳
1回答
对于每个子数组长度，可以通过将匹配的子数组计数乘以这些计数的日志来计算熵。那么，无论你得到的最小熵是条件熵。为了给出一个更清楚的例子来说明我的意思，下面是完整的计算：
初始数组为1, 2, 3, 5，1，2，5，假设窗口大小为3，这必须分为5个窗口: 1,2,3，2，5，3，5，1，5，5，1，2和1,2,5长度1的子阵列是1,2,3,5,1。有两个1s，一个是彼此的数。<em
浏览 4修改于2015-10-18得票数 1
回答已采纳
1回答
我正试图通过阅读http://proceedings.mlr.press/v9/glorot10a/glorot10a.pdf文章来理解一些权值初始化方法。
但我不明白它们的方差表示法。在等式(5)中，它们指的是变量z^i，我不知道它是什么意思:如果它是所有例子的集合索引？
浏览 0修改于2018-11-26得票数 0
由于供应商库不兼容，我需要编译高熵VA关闭的C#应用程序。到目前为止，我发现的唯一方法是在构建后的步骤中使用editbin，但这非常笨重。有更好的办法吗？
浏览 3提问于2014-12-19得票数 2
回答已采纳
在分类/监督学习上下文中，我看到许多机器学习文本使用以下表示法来表示Shannon熵：
我知道信息增益和熵的概念，我只是想了解数学形式主义
浏览 0修改于2021-10-20得票数 0
回答已采纳
假设位A和B都有每比特的.5熵位。A和B的排他性或，即A⊕B的单比特熵会有多少个比特？我猜这个公式类似于每比特熵的\mathord{\mathrm{E}}(A⊕B)=1-(1 - \mathord{\mathrm{E}}(A))(1-\mathord{\mathrm{E}}(B))=.75另外，我是否正确地解释过，你只能通过低熵度的异或比特来接近每比特的1位熵，但实际
浏览 0提问于2020-10-06得票数 3
回答已采纳
2回答
我有一个关于计算分裂熵的基本问题。-(2/5)*(log(2/5)/log(2))-(3/5)*(log(3/5)/log(2))=0.9710
现在，这让我很困惑。如果熵为零，我将只有一个类别的样本。如果熵是0.5 (对于两个类别)，我有50%的是和50%的否样本。接近1的值告
浏览 0提问于2014-06-24得票数 0
1回答
在存在多个可能的类且父类的熵比子类低的情况下，我发现很难计算ID3的熵和信息增益。13 c 14 e 1
现在，我相信第一步是计算原始数据集的熵，I -(5/10)* log (5/10) - (5/10)*log(5/10)，将原木取至基2，这等于熵为1。对于属性Y，信息增
浏览 0提问于2021-09-20得票数 0
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号