이 데이터 세트는 노이즈가 많은 나선형입니다. 분명히 선형 모델은 여기서 실패할 것입니다.
그러나 수동으로 정의된 특성 교차도 구성하기 어려울 수 있습니다.
작업 1: X1과
X2. 자유롭게 레이어와 뉴런을 추가하거나 삭제하고
학습률, 정규화율,
지정할 수도 있습니다 얻을 수 있는 최고의 테스트 손실은 얼마인가요? 얼마나 매끄러운가
어떻게 해야 할까요?
과제 2: 신경망을 사용하더라도 특성 추출은
필요한 경우가 많습니다 다른 키워드를 더 추가해 보세요.
크로스 프로덕트 특성 또는 기타 변환,
sin(X1) 및 sin(X2)과 같은 공식을 사용합니다. CANNOT TRANSLATE
무엇인가요? 모델 출력 표면이 더 부드러워졌나요?
(정답은 실습 바로 아래에 표시됩니다.)
가능한 답변을 보려면 더하기 아이콘을 클릭하세요.
다음 동영상은 플레이그라운드에서 초매개변수를 선택하는 방법을 안내합니다.
테스트 손실을 최소화하는 나선형 데이터에 대한 모델을 학습시킬 수 있습니다.
[[["이해하기 쉬움","easyToUnderstand","thumb-up"],["문제가 해결됨","solvedMyProblem","thumb-up"],["기타","otherUp","thumb-up"]],[["필요한 정보가 없음","missingTheInformationINeed","thumb-down"],["너무 복잡함/단계 수가 너무 많음","tooComplicatedTooManySteps","thumb-down"],["오래됨","outOfDate","thumb-down"],["번역 문제","translationIssue","thumb-down"],["샘플/코드 문제","samplesCodeIssue","thumb-down"],["기타","otherDown","thumb-down"]],["최종 업데이트: 2024-08-22(UTC)"],[[["The dataset presents a challenge for linear models due to its spiral nature, requiring neural networks for effective modeling."],["Task 1 focuses on achieving the lowest test loss using only the original features (X~1~, X~2~) by adjusting network architecture and learning settings."],["Task 2 explores improving model performance and output smoothness through feature engineering, such as adding cross product features or trigonometric transformations."],["The exercise provides an opportunity to experiment with hyperparameter tuning in neural networks for optimal results on the spiral dataset."]]],[]]
