Nhiều tính năng kết hợp phức tạp
Bây giờ, hãy thử kết hợp chéo một số tính năng nâng cao. Tập dữ liệu trong Playground này khi tập thể dục có vẻ hơi ồn ào hồng tâm của trò chơi phi tiêu, với các chấm màu xanh dương ở giữa và các chấm màu cam ở vòng ngoài.
Nhấp vào biểu tượng dấu cộng để xem nội dung giải thích về hình ảnh mô hình.
Mỗi bài tập trên Playground cho thấy một hình ảnh trực quan về trạng thái của mô hình. Ví dụ: dưới đây là một hình ảnh trực quan:
Xin lưu ý những điều sau về hình ảnh mô hình:
- Mỗi trục biểu thị một đối tượng cụ thể. Trong trường hợp thư rác chứ không phải thư rác, các tính năng có thể là số từ và số người nhận .
- Mỗi dấu chấm biểu thị các giá trị đối tượng cho một ví dụ về dữ liệu, chẳng hạn như một email.
- Màu của dấu chấm đại diện cho lớp chứa ví dụ này. Ví dụ: dấu chấm màu xanh dương có thể đại diện cho các email không phải thư rác trong khi các dấu chấm màu cam có thể biểu thị email rác.
- Màu nền thể hiện thông tin dự đoán của mô hình về vị trí mà các ví dụ của màu đó. Nền màu xanh dương xung quanh chấm màu xanh dương có nghĩa là mô hình này dự đoán chính xác ví dụ đó. Ngược lại, nền màu cam xung quanh chấm màu xanh dương có nghĩa là mô hình đang dự đoán không chính xác ví dụ đó.
- Nền xanh lam và cam được chia tỷ lệ. Ví dụ: phía bên trái của hình ảnh có màu xanh dương đồng nhất nhưng mờ dần sang màu trắng ở giữa của hình ảnh trực quan đó. Bạn có thể coi độ mạnh màu sắc là gợi ý độ tin cậy của mô hình vào dự đoán. Màu xanh dương đồng nhất có nghĩa là mô hình rất tự tin về dự đoán của mình và màu xanh dương nhạt có nghĩa là mô hình thì kém tự tin hơn. (Hình ảnh trực quan về mô hình trong hình này đang hoạt động dự đoán rất kém.)
Sử dụng hình ảnh trực quan để đánh giá tiến trình của mô hình. ("Rất tốt – hầu hết các chấm màu xanh dương có nền màu xanh dương" hoặc "Ôi không! Các chấm màu xanh dương có nền màu cam".) Ngoài màu sắc, Playground còn hiển thị tổn thất hiện tại của mô hình bằng số. ("Ôi không! Tổn thất là tăng lên thay vì giảm.")
Nhiệm vụ 1: Chạy mô hình tuyến tính này theo cách cho sẵn. Dành một hoặc hai phút (nhưng không lâu hơn) thử các chế độ cài đặt tốc độ học tập khác nhau để xem liệu bạn có thể tìm thấy bất kỳ cải thiện nào. Mô hình tuyến tính có tạo ra kết quả hiệu quả cho tập dữ liệu này không?
Nhiệm vụ 2: Bây giờ, hãy thử thêm các tính năng trong nhiều sản phẩm, chẳng hạn như x1x2, nhằm cố gắng tối ưu hoá hiệu suất.
- Tính năng nào hữu ích nhất?
- Hiệu suất tốt nhất mà bạn có thể nhận được là bao nhiêu?
Nhiệm vụ 3: Khi bạn có một mô hình phù hợp, hãy kiểm tra kết quả của mô hình bề mặt (thể hiện bằng màu nền).
- Có giống như một mô hình tuyến tính không?
- Bạn sẽ mô tả mô hình này như thế nào?
(Câu trả lời sẽ xuất hiện ngay bên dưới bài tập).