Daha Karmaşık Özellik Çaprazları
Şimdi bazı gelişmiş özellik çapraz kombinasyonlarıyla deneyelim. Bu Playground'daki veri kümesi egzersiz biraz gürültülü görünüyor ortasında mavi noktalar bulunan dart oyununda tam isabet dış halkadaki turuncu noktalar.
Model görselleştirme açıklaması için artı simgesini tıklayın.
Her Playground egzersizi, mevcut anın görselleştirmesini durumu hakkında daha fazla bilgi edinin. Örneğin, bir görsel aşağıda verilmiştir:
Model görselleştirmeyle ilgili olarak aşağıdakilere dikkat edin:
- Her eksen belirli bir özelliği temsil eder. Spam veya spam değil olarak, özellikler, kelimelerin sayısı ve alıcı sayısı, e-posta gönderin.
- Her nokta, verilerin bir örneğine ait özellik değerlerini gösterir. Örneğin: bir e-posta alırsınız.
- Noktanın rengi, örneğin ait olduğu sınıfı temsil eder. Örneğin mavi noktalar spam olmayan e-postaları temsil ederken, turuncu noktalar, spam e-postaları temsil edebilir.
- Arka plan rengi, modelin örneklerin nerede gerçekleştiğine ilişkin tahminini bulunması gerekir. Mavi bir noktanın etrafında mavi arka plan modelin bu örneği doğru şekilde tahmin ettiği anlamına gelir. Öte yandan mavi bir noktanın etrafındaki turuncu arka plan, modelin yanlış tahminde bulunmanıza yardımcı olabilir.
- Arka plandaki mavi ve turuncu renkler ölçeklendirilir. Örneğin, menünün sol tarafı görselleştirme sabit mavi renktedir ancak ortada kademeli olarak beyaza dönüşür ortaya çıkarır. Renk gücünü gözünüzün önünde size modelin tahminine olan güvenini artırır. Yani mavi renk, modelin tahminine çok güvenmektedir ve açık mavi, modelin daha az güvenir. (Şekilde gösterilen model görselleştirmesi iyi bir tahmin değildir.)
Modelinizin ilerlemesini değerlendirmek için görselleştirmeyi kullanın. ("Mükemmel; mavi noktaların çoğunun arka planı mavidir" veya "Tüh! Mavi noktaların arka planı turuncu olur.") Renklerin ötesinde, Playground modelin mevcut kaybını da sayısal olarak gösterir. ("Hay aksi! Kayıplar düşüp gitmek yerine artacak.")
1. Görev: Bu doğrusal modeli belirtildiği gibi çalıştırın. Bir iki dakika verin (ancak bulup bulamadığınızı görmek için farklı öğrenme hızı ayarlarını deneyin kontrol edin. Doğrusal bir model, aynı dönüşüm için bu veri kümesine mi kaydıracaksınız?
2. görev: Şimdi, şunlar gibi çapraz ürün özellikleri eklemeyi deneyin: x1x2, performansı optimize etmeye çalışıyor.
- En çok hangi özellikler yardımcı oluyor?
- Elde edebileceğiniz en iyi performans nedir?
3. görev: İyi bir modeliniz olduğunda model çıkışını inceleyin yüzey (arka plan rengiyle gösterilir).
- Doğrusal bir modele benziyor mu?
- Modeli nasıl tanımlarsınız?
(Yanıtlar alıştırmanın hemen altında görünür.)