Espiral de red neuronal

Este conjunto de datos es una espiral ruidosa. Por supuesto, un modelo lineal fallará aquí, pero incluso las combinaciones de atributos definidas manualmente pueden ser difíciles de construir.

Tarea 1: Entrena el mejor modelo posible; usa solo X₁ y X₂ Siéntete libre de agregar o quitar capas y neuronas, cambiar de aprendizaje automático, como la tasa de aprendizaje, la tasa de regularización y el tamaño del lote. ¿Cuál es la mejor pérdida de prueba que puedes obtener? Qué tan fluida es la superficie de resultados del modelo?

Tarea 2: Incluso con las redes neuronales, se necesita cierto grado de ingeniería de atributos necesarias para lograr el mejor rendimiento. Intenta agregar atributos cruzados de productos u otras transformaciones, como sin(X₁) y sin(X₂). ¿Tienes una mejor modelo? ¿La superficie del resultado del modelo es más suave?

(Las respuestas aparecen justo debajo del ejercicio).

---

---

Haz clic en el ícono de signo más para ver las posibles respuestas.

En el siguiente video, se explica cómo elegir hiperparámetros en Playground para entrenar un modelo con los datos en espiral que minimice la pérdida de prueba.