ज़्यादा कॉम्प्लेक्स फ़ीचर क्रॉस
आइए, अब कुछ बेहतर सुविधाओं वाले क्रॉस कॉम्बिनेशन के बारे में बात करते हैं. इस प्लेग्राउंड में सेट किया गया डेटा कसरत कुछ हद तक शोरगुल की तरह लग रही है डार्ट गेम की आड़ी-तिरछी लकीर का इस्तेमाल किया गया है, जिसके बीच में नीले बिंदु हैं और नारंगी बिंदु, जो दिखती हैं.
मॉडल विज़ुअलाइज़ेशन की जानकारी के लिए प्लस आइकॉन पर क्लिक करें.
हर प्लेग्राउंड एक्सरसाइज़ से जुड़ी मौजूदा मॉडल की स्थिति के बारे में ज़्यादा जानें. उदाहरण के लिए, यहां विज़ुअलाइज़ेशन दिया गया है:
मॉडल विज़ुअलाइज़ेशन के बारे में यहां दी गई बातों का ध्यान रखें:
- हर ऐक्सिस किसी खास सुविधा को दिखाता है. स्पैम के मामले में बनाम स्पैम के तौर पर नहीं, शब्दों की संख्या और शब्दों की ईमेल.
- हर बिंदु, डेटा के एक उदाहरण के लिए सुविधा की वैल्यू दिखाता है, जैसे एक ईमेल लिखें.
- बिंदु का रंग, उस क्लास को दिखाता है जिससे उदाहरण जुड़ा है. उदाहरण के लिए, नीले बिंदु गैर-स्पैम ईमेल दिखा सकते हैं जबकि नारंगी बिंदु, स्पैम ईमेल को दिखा सकते हैं.
- बैकग्राउंड का रंग, मॉडल का वह अनुमान दिखाता है जिसमें उदाहरण होते हैं लोगो मिल जाना चाहिए. नीले बिंदु के आस-पास नीला बैकग्राउंड इसका मतलब है कि मॉडल उस उदाहरण का सही अनुमान लगा रहा है. इसके उलट, नीले बिंदु के चारों ओर नारंगी रंग के बैकग्राउंड का मतलब है कि मॉडल आपने ग़लत अनुमान लगाया था.
- बैकग्राउंड के नीले और नारंगी रंग को स्केल किया गया है. उदाहरण के लिए, की बाईं ओर विज़ुअलाइज़ेशन पूरी तरह से नीला है, लेकिन बीच में धीरे-धीरे फ़ेड होकर सफ़ेद रंग में बदल जाएगा के हिसाब से फ़िल्टर किया जा सकता है. रंग की इंटेंसिटी को ध्यान में रखते हुए यह सुझाव दिया जा सकता है कि अपने अनुमान पर मॉडल कितना विश्वास कर सकता है. ठोस नीले रंग का मतलब है कि मॉडल को अपने अनुमान पर पूरा भरोसा होता है और हल्के नीले रंग का मतलब है कि मॉडल उस पर कम भरोसा होता है. (इस इमेज में दिखाए गए मॉडल विज़ुअलाइज़ेशन से, काम नहीं करता.)
अपने मॉडल की प्रगति का आकलन करने के लिए विज़ुअलाइज़ेशन का इस्तेमाल करें. ("बहुत बढ़िया—ज़्यादातर नीले बिंदुओं का बैकग्राउंड नीला है" या "अरे नहीं! नीले बिंदुओं का बैकग्राउंड नारंगी होता है.") रंगों से आगे, खेल का मैदान साथ ही, मॉडल की मौजूदा हानि को अंकों के हिसाब से दिखाता है. ("अरे नहीं! इससे हार के बजाय हार की दर बढ़ रही है.")
टास्क 1: इस लीनियर मॉडल को बताए गए तरीके से चलाएं. एक या दो मिनट बिताएं (लेकिन नहीं ज़्यादा समय के लिए) अलग-अलग लर्निंग रेट सेटिंग इस्तेमाल करके देखें कि क्या कोई सुधार नहीं हुआ. क्या रैखिक मॉडल से इस डेटा सेट का क्या मतलब हो सकता है?
टास्क 2: अब क्रॉस-प्रॉडक्ट की सुविधाएं जोड़ने की कोशिश करें, जैसे कि x1x2 की मदद से, परफ़ॉर्मेंस को ऑप्टिमाइज़ करने की कोशिश की जा रही है.
- कौनसी सुविधाएं सबसे ज़्यादा मदद करती हैं?
- आपको सबसे अच्छी परफ़ॉर्मेंस क्या मिल सकती है?
टास्क 3: अगर आपके पास अच्छा मॉडल है, तो मॉडल आउटपुट की जांच करें सतह (बैकग्राउंड के रंग में दिखाया गया).
- क्या यह लीनियर मॉडल जैसा दिखता है?
- आप मॉडल के बारे में क्या बताएंगे?
(जवाब व्यायाम के ठीक नीचे दिखाई देते हैं.)