Réseau neuronal en spirale

Cet ensemble de données est constitué d'une spirale bruyante. Évidemment, un modèle linéaire échouera. mais même les croisements de caractéristiques définis manuellement peuvent être difficiles à construire.

Tâche 1:entraîner le meilleur modèle possible en utilisant seulement X₁ et X₂. Vous pouvez ajouter ou supprimer des couches et des neurones, des paramètres d'apprentissage tels que le taux d'apprentissage, le taux de régularisation la taille de lot. Quelle est la meilleure perte d'évaluation que vous pouvez obtenir ? À quel point est-il fluide la surface de sortie du modèle ?

Tâche 2:même avec les réseaux de neurones, l'ingénierie des caractéristiques souvent nécessaires pour obtenir les meilleures performances. Essayez d'ajouter d'autres des caractéristiques de produit croisées ou d'autres transformations comme sin(X₁) et sin(X₂). Obtenez-vous un meilleur ? La surface de sortie du modèle est-elle plus lisse ?

(Les réponses s'affichent juste en dessous de l'exercice.)

---

---

Cliquez sur l'icône Plus pour afficher les réponses possibles.

La vidéo suivante explique comment choisir des hyperparamètres dans Playground pour entraîner un modèle avec des données en spirale qui minimise la perte d'évaluation.