Nền tảnggiáo trình tự học
Phụ lục2 phút đọc

Phụ lục: chạy lại toàn bộ thí nghiệm#

Văn bản
code/nentang/
├── experiments.py            # Hình 2, 3, 4, 6, 7, 8, 9, 10, 11, 12 và mọi số liệu đo được
├── experiments_output.txt    # kết quả in ra của script trên
└── fig_diagrams.py           # Hình 1, 5, 13 (các sơ đồ khái niệm)
Bash
pip install numpy scipy matplotlib scikit-learn
python code/nentang/experiments.py      # vài phút
python code/nentang/fig_diagrams.py

Hai script đặt hạt giống cố định nên mọi con số trong giáo trình lặp lại được trên cùng phiên bản thư viện. Môi trường đã dùng: Python 3.13, NumPy 2.3, SciPy 1.16, scikit-learn 1.7, matplotlib 3.10.

Giáo trình không dùng con số nào trích từ bài báo; mọi số liệu đều sinh tại chỗ, và chia làm hai loại.

Loại thứ nhất là kiểm chứng đẳng thức. Những kết quả này phải khớp tới sai số của máy tính; nếu không khớp thì mã có lỗi.

Đẳng thức Sai số đo được
Hồi quy logistic trùng hồi quy softmax với K=2K=2 1,6×10−151{,}6\times10^{-15}
Ba cách giải bình phương tối thiểu cho cùng nghiệm 1,2×10−151{,}2\times10^{-15}
PCA qua ma trận hiệp phương sai trùng PCA qua SVD 7,1×10−157{,}1\times10^{-15}
Eckart–Young: sai số tái tạo bằng (n−1)∑i>kλi(n-1)\sum_{i>k}\lambda_i cỡ 10−1310^{-13}
Ridge qua SVD trùng ridge dạng đóng 2,3×10−152{,}3\times10^{-15}
Hàm quyết định của LDA là tuyến tính 4,4×10−154{,}4\times10^{-15}
SVM: w=∑iαiyixiw = \sum_i \alpha_i y_i x_i 00
SVM: khe đối ngẫu bằng 0 4,0×10−84{,}0\times10^{-8}
Tích các Gauss một chiều trùng Gauss nhiều chiều với Σ\Sigma đường chéo 1,2×10−81{,}2\times10^{-8}
Ridge dạng đóng trùng MAP tìm bằng BFGS 2,0×10−82{,}0\times10^{-8}

Bốn dòng cuối không đạt tới sai số làm tròn vì bị giới hạn bởi dung sai dừng của bộ giải (libsvm, BFGS) hoặc bởi lượng nhỏ cộng thêm vào đường chéo để nghịch đảo ma trận ổn định. Giáo trình in ra đúng con số đo được.

Loại thứ hai là mô phỏng trên dữ liệu sinh ngẫu nhiên, gồm các bảng về số vòng lặp, độ chính xác, RMSE và tỉ lệ kẹt ở nghiệm tồi. Chúng cho thấy một cơ chế tồn tại và có độ lớn đáng kể, nhưng không dùng để suy ra con số cho một tập dữ liệu thật cụ thể. Ở những chỗ kết quả yếu hơn kỳ vọng, như ảnh hưởng nhỏ của CC với SVM tuyến tính ở Mục 13.4, giáo trình ghi nhận đúng như vậy.