Trong bài viết này, chúng ta sẽ đào sâu về các hàm kích hoạt (activation functions) trong Machine Learning, cách tính toán, cách làm tròn kết quả, và ứng dụng của chúng. Bài viết phù hợp với người mới bắt đầu với Python và AI.
1. Hiểu về F1-Score
F1-score đo độ chính xác của mô hình dựa trên Precision và Recall:
Các hàm Python có thể đơn giản như sau:
2. Giới Thiệu Và Viết Hàm Kích Hoạt
a. Sigmoid
Ý nghĩa: Biến đổi x về khoảng (0, 1). Để đánh giá xác suất.
b. ReLU
Ý nghĩa: Cho phép giá trị dương, loại bỏ âm. Ứng dụng rộng rãi trong deep learning.
c. ELU
Ý nghĩa: Mềm hơn ReLU với x < 0, giúp giải quyết vanishing gradient.
3. Kiểm Thử Hàm
4. Các Quy Tắc Pythonic Đáng Ghi Nhớ
if not my_list:để kiểm tra danh sách rỗng_ten_bien: ý ngụ Ñây là biến “private”@property: dùng truy cập hàm như thuộc tínhwith: Context manager giúi phóng tài nguyênDRY: Tránh viết lặp code
YAGNI: Chỉ viết khi cần thật sự
Kết Luận
Bài viết này đã giúc bạn hiểu về:
Các hàm activation quan trọng như Sigmoid, ReLU, ELU
Cách kiểm tra và tính toán bằng Python
Ứng dụng để tối ưu hóa mô hình trong Machine Learning
Bạn có thể tiếp tục với loss functions và optimizer trong bài tiếp theo!
Sẵn sàng bứt phá cùng AI?
Tham gia khóa học để tự động hoá quy trình, tối ưu hiệu suất và dẫn đầu chuyển đổi số ngay hôm nay.
ĐĂNG KÝ NGAY
