Bardziej złożone krzyżówki

Teraz wypróbujmy różne kombinacje funkcji zaawansowanych. Dane zbierane w tym placu zabaw Ćwiczenie wygląda jak głośne środek tarczy strzelniczej z gry w rzutki, z niebieskimi kropkami w środku pomarańczowych kropek w pierścieniu zewnętrznym.

Aby dowiedzieć się więcej o wizualizacji modelu, kliknij ikonę plusa.

Każde ćwiczenie w Playground pokazuje wizualizację bieżącego stanu modelu. Oto wizualizacja:

Uwaga na temat wizualizacji modelu:

• Każda oś reprezentuje określoną funkcję. W przypadku spamu mogą to być np. liczba słów i liczba odbiorców e-mail.
  Uwaga: odpowiednie wartości osi zależą od danych cech. Powyższe wartości osi nie mają sensu w przypadku liczby słów ani odbiorców, ponieważ żadna z nich nie może być ujemna.
• Każda kropka pokazuje wartości cech dla jednego przykładu danych, takiego jak e-maila.
• Kolor kropki wskazuje na klasę, do której należy przykład. Na przykład niebieskie kropki mogą oznaczać e-maile, które nie są spamem, a pomarańczowe kropki mogą oznaczać e-maile ze spamem.
• Kolor tła reprezentuje przewidywane miejsce występowania przykładów taki kolor. Niebieskie tło wokół niebieskiej kropki oznacza, że model poprawnie przewiduje ten przykład. I odwrotnie: pomarańczowe tło wokół niebieskiej kropki oznacza, że model błędnie przewidując dany przykład.
• Niebieskie i pomarańczowe kolory tła są skalowane. Na przykład po lewej stronie wizualizacja ma pełny niebieski kolor, ale stopniowo staje się biały w środku wizualizacji. Intensywność kolorów wskazuje, pewność modelu w swojej przypuszczalnej postaci. Świeci kolorem niebieskim oznacza, że model jest bardzo pewny swojej przypuszczenia, a jasnoniebieski oznacza, że model jest mniej pewny siebie. (Wizualizacja modelu widoczna na grafice słabe zadanie prognozowania).

Użyj wizualizacji, aby ocenić postęp modelu. („Doskonale—większość niebieskich kropek ma niebieskie tło” lub – O, nie! Niebieskie punkty mają pomarańczowe tło”). Więcej niż kolory, Playground wyświetla także liczbowo stratę bieżącego modelu. strata rośnie, a nie spada”).

Zadanie 1. Uruchom ten model liniowy zgodnie z podanym opisem. Poświęć minutę lub dwie (ale nie wypróbowując różne ustawienia tempa uczenia się, aby sprawdzić, wprowadzić poprawki. Czy model liniowy może przynieść dobre wyniki ten zbiór danych?

Zadanie 2. Teraz spróbuj dodać funkcje z różnych usług, takie jak x₁ x ₂, próbując zoptymalizować wydajność.

• Które funkcje są najbardziej pomocne?
• Jaką możesz osiągnąć najlepszą skuteczność?

Zadanie 3. Jeśli masz dobry model, sprawdź dane wyjściowe modelu (widocznych pod względem koloru tła).

1. Czy wygląda jak model liniowy?
2. Jak możesz opisać ten model?

(Odpowiedzi pojawią się tuż pod ćwiczeniem).

---

---

Kliknij ikonę plusa, aby odpowiedzieć na zadanie 1.

Nie. Model liniowy nie może skutecznie modelować tego zbioru danych. Malejąca tempo uczenia się pozwala zmniejszyć straty, ale strata jest wciąż zbieżna nieporównywalnie wysoką wartość.

Kliknij ikonę plusa, aby odpowiedzieć na zadanie 2.

Zbiory danych Playground są generowane losowo. W związku z tym nasze odpowiedzi nie zawsze muszą być całkowicie zgodne z Twoimi. Jeśli tak naprawdę ponownie generować zbiór danych pomiędzy uruchomieniami, Twoje własne wyniki nie zawsze zgadza się z Twoimi poprzednimi biegami. ale tym razem będziesz coraz lepiej w następujący sposób:

• Używanie zarówno x₁², jak i x₂² jako krzyżówki cech. (dodanie x₁ x ₂ jako krzyżyka cech prawdopodobnie nie pomaga).
• Zmniejszam Tempo uczenia się – być może do 0, 001.

Kliknij ikonę plusa, aby uzyskać odpowiedź na zadanie 3.

Powierzchnia wyjściowa modelu nie wygląda jak model liniowy. Zamiast tego i wygląda na orbitreku.