Combinaciones de atributos más complejas
Ahora experimentemos con algunas combinaciones de atributos avanzadas. El conjunto de datos de este Playground hacer ejercicio parece un poco ruidoso diana de un juego de dardos, con los puntos azules en el medio y los puntos anaranjados en un aro exterior.
Haz clic en el ícono de signo más para obtener una explicación de la visualización del modelo.
Cada ejercicio de Playground muestra una visualización de la estado del modelo. Por ejemplo, aquí hay una visualización:
Ten en cuenta lo siguiente sobre la visualización del modelo:
- Cada eje representa un atributo específico. En el caso de las opciones spam y no spam, los atributos podrían ser el recuento de palabras y el número de destinatarios del correo electrónico.
- Cada punto traza los valores de los atributos de un ejemplo de los datos, como un correo electrónico.
- El color del punto representa la clase a la que pertenece el ejemplo. Por ejemplo, los puntos azules pueden representar correos electrónicos que no son spam, mientras que los puntos anaranjados pueden representar los correos electrónicos de spam.
- El color de fondo representa la predicción del modelo de dónde los ejemplos de ese color. Un fondo azul alrededor de un punto azul significa que el modelo predice ese ejemplo de forma correcta. Por el contrario, un fondo anaranjado alrededor de un punto azul significa que el modelo está para predecir un ejemplo de forma incorrecta.
- Los fondos azules y naranjas están en escala. Por ejemplo, el lado izquierdo de la visualización es de color azul continuo, pero se atenúa gradualmente a blanco en el centro de la visualización. Puedes pensar en la intensidad del color como una sugerencia la confianza del modelo en su suposición. Entonces, la luz azul continua significa que el modelo confía mucho en su suposición, y azul claro significa que el modelo es menos seguro. (La visualización del modelo que se muestra en la figura está realizando un mal trabajo de predicción).
Usa la visualización para juzgar el progreso de tu modelo. ("Excelente: la mayoría de los puntos azules tienen un fondo azul" o "¡Oh, no! Los puntos azules tienen un fondo anaranjado"). Más allá de los colores, Playground también muestra la pérdida actual del modelo numéricamente. ("¡Oh, no! La pérdida está aumentando en lugar de disminuir").
Tarea 1: Ejecuta este modelo lineal como se presenta. Dedica uno o dos minutos (pero no por más tiempo) probando diferentes configuraciones de la tasa de aprendizaje para ver si puedes mejoras. ¿Puede un modelo lineal producir resultados efectivos este conjunto de datos?
Tarea 2: Ahora intenta agregar combinaciones de atributos, como x1x2 para optimizar el rendimiento.
- ¿Qué funciones son más útiles?
- ¿Cuál es el mejor rendimiento que puedes obtener?
Tarea 3: Cuando tengas un buen modelo, examina su salida Surface (se muestra con el color de fondo).
- ¿Se ve como un modelo lineal?
- ¿Cómo describirías el modelo?
(Las respuestas aparecen justo debajo del ejercicio).