הצלבות תכונות מורכבות יותר

עכשיו נשחק עם כמה שילובים בין תכונות מתקדמות. מערך הנתונים ב-Playground הזה פעילות גופנית נראית קצת רועשת הבועה ממשחק הטלת חיצים, עם הנקודות הכחולות באמצע הנקודות הכתומות בטבעת החיצונית.

לוחצים על סמל הפלוס כדי לקבל הסבר על התצוגה החזותית של המודל.

כל תרגיל ב-Playground מציג המחשה של במצב של המודל. לדוגמה, הנה תצוגה חזותית:

חשוב לשים לב לנקודות הבאות לגבי התצוגה החזותית של המודל:

• כל ציר מייצג תכונה ספציפית. במקרה של ספאם לעומת לא ספאם, התכונות יכולות להיות ספירת המילים ומספר הנמענים באימייל.
  הערה: ערכים מתאימים בצירים תלויים בנתוני התכונות. ערכי הצירים שלמעלה לא הגיוניים לספירת המילים או למספר הנמענים, כי שניהם לא יכולים להיות שליליים.
• כל נקודה מציגה את ערכי המאפיינים לדוגמה אחת של הנתונים, כמו אימייל.
• הצבע של הנקודה מייצג את המחלקה שאליה שייכת הדוגמה. לדוגמה, הנקודות הכחולות יכולות לייצג הודעות אימייל שאינן ספאם בעוד שהנקודות נקודות כתומות יכולות לייצג הודעות ספאם.
• צבע הרקע מייצג את החיזוי של המודל איפה דוגמאות יש למצוא את הצבע הזה. רקע כחול מסביב לנקודה כחולה פירושו שהמודל חוזים נכון את הדוגמה הזו. לעומת זאת, רקע כתום מסביב לנקודה כחולה מציין שהמודל לחזות את הדוגמה באופן שגוי.
• רקעים כחולים ותפוזים מוגדלים. לדוגמה, החלק השמאלי של התצוגה החזותית מופיעה בצבע כחול רציף, אבל היא הופכת בהדרגה ללבן במרכז. של התצוגה החזותית. ניתן לחשוב על חוזק הצבע כרומז את רמת הביטחון של המודל בניחוש שלו. המשמעות של כחול אחיד היא שהמודל בטוח מאוד בנוגע לניחוש שלו, והמשמעות של תכלת בהיר יש פחות ביטחון. (ההדמיה של המודל שמוצגת באיור פעולת החיזוי לא טובה.)

השתמשו בתצוגה החזותית כדי לבחון את התקדמות המודל שלכם. ("מצוינת — לרוב הנקודות הכחולות יש רקע כחול" או "אוי לא! לנקודות הכחולות יש רקע כתום". מעבר לצבעים, Playground מציג גם את רמת האובדן הנוכחית של המודל באופן מספרי. ("אוי לא! האובדן עולה במקום למטה).

משימה 1: מריצים את המודל הלינארי הזה לפי הנתון הזה. מבלים דקה או שתיים (אבל לא ארוך יותר) לנסות הגדרות שונות של קצב הלמידה, כדי לבדוק אם אפשר למצוא שיפורים כלשהם. האם מודל ליניארי יכול להניב תוצאות אפקטיביות מערך הנתונים הזה?

משימה 2: עכשיו נסו להוסיף תכונות במוצרים שונים, כמו x₁x₂, בניסיון לשפר את הביצועים.

• אילו תכונות הכי עוזרות?
• מהם הביצועים הטובים ביותר שבאפשרותך לקבל?

משימה 3: כשיש לכם מודל טוב, בודקים את הפלט של המודל משטח (מוצג לפי צבע הרקע).

1. האם הוא נראה כמו מודל ליניארי?
2. איזה תיאור מתאים לדעתך למודל?

(התשובות מופיעות מתחת לתרגיל).

---

---

לוחצים על סמל הפלוס כדי לבחור את התשובה למשימה 1.

לא. מודל ליניארי לא יכול ליצור מודל ביעילות של מערך הנתונים הזה. ירידה אבל קצב הלמידה מפחית את האובדן, אבל האובדן עדיין מגיע ערך גבוה באופן שלא מתקבל על הדעת.

לוחצים על סמל הפלוס כדי לקבל תשובה למשימה 2.

קבוצות הנתונים ב-Playground נוצרות באופן אקראי. לכן, ייתכן שהתשובות לא תמיד יתאימו בדיוק לתשובות שלך. למעשה, אם תיצור מחדש את מערך הנתונים בין הפעלות, התוצאות שלך לא תמיד מסכים בדיוק עם ההפעלות הקודמות. ולמרות זאת, רק תשתפרו. תוצאות הפעולות הבאות:

• אנחנו משתמשים גם ב-x₁² וגם ב-x₂² בתור העברת פיצ'רים שונים. (הוספת x₁x₂ כמעבר של תכונות נראה שלא עוזר).
• הורדה של קצב הלמידה, למשל 0.001.

לוחצים על סמל הפלוס כדי לקבל תשובה למשימה 3.

שטח הפלט של המודל לא נראה כמו מודל ליניארי. במקום זאת, המכשיר נראה אליפטי.