更复杂的特征组合

现在，我们来玩一玩一些高级特征交叉组合。 此 Playground 中的数据集 看起来有点嘈杂 飞镖游戏中的靶心，中间有蓝点 找到外圈中的橙点

点击加号图标即可查看关于模型可视化的说明。

每个 Playground 练习都会显示当前 模型的状态。例如，以下是一个可视化图表：

关于模型可视化，请注意以下几点：

• 每个轴代表一个特定的特征。对于垃圾邮件和非垃圾邮件， 特征可以是单词数、 电子邮件。
  注意：适当的轴值取决于特征数据。上面显示的轴值不适合字数或收件人数量，因为这两者都不能为负数。
• 每个点表示一个数据样本的特征值，例如 电子邮件。
• 点的颜色表示该样本所属的类。 例如，蓝点可能表示非垃圾邮件，而 橙色的圆点可能表示垃圾邮件。
• 背景颜色表示模型对样本位置的预测 该颜色的容器。蓝点周围的蓝色背景 意味着模型正确预测了该样本。相反， 一个蓝点周围显示橙色背景表示 并错误地预测该样本。
• 背景的蓝色和橙色部分会有深浅之分。例如， 可视化图表为纯蓝色，但中间逐渐淡化为白色 直观展示数据您可以将颜色强度视为 对模型的置信度。因此纯蓝色表示 对所猜出的结果非常有信心，浅蓝色表示 置信度降低。（图中所示的模型可视化效果 预测很糟糕。）

使用可视化结果来判断模型的进度。 （“非常好，大部分蓝点都有蓝色背景”或 “糟糕！蓝点有橙色背景。”） 游乐场 也会以数字形式显示模型的当前损失。 （“糟糕！损失正在上升，而不是下降。”）

任务 1：按照指定方式运行此线性模型。花一两分钟时间（但不要 尝试不同的学习速率设置，看看能否找到 任何改进。线性模型能否针对 ？

任务 2：现在尝试添加向量积特征，例如 x₁x₂，尝试优化效果。

• 哪些功能最有用？
• 您可以获得的最佳效果是什么？

任务 3：创建好模型后，检查模型输出 表面（以背景颜色显示）。

1. 看起来像线性模型吗？
2. 您会如何描述该模型？

（答案位于练习正下方。）

---

---

点击加号图标，查看任务 1 的答案。

不可以。线性模型无法有效地为此数据集建模。降低 学习速率可以减少损失，但损失仍然会收敛于 是不可接受的高值。

点击加号图标，即可查看任务 2 的答案。

Playground 的数据集是随机生成的。因此，我们的 您的答案不一定与您的答案完全一致。事实上，如果你 在两次运行之间重新生成数据集，但您的结果不一定总是 与之前的运行结果完全一致。尽管如此，您还是会变得更好 执行以下操作：

• 将 x₁² 和 x₂² 用作 特征组合。（将 x₁x₂ 添加为特征组合 似乎没有帮助。）
• 降低学习速率，比如降至 0.001。

点击加号图标即可查看任务 3 的答案。

模型输出面看起来不像线性模型。相反， 看起来是椭圆形的