Тримайте все під контролем за допомогою колекцій
Зберігайте контент і організовуйте його за категоріями відповідно до своїх потреб.
Спіраль нейронної мережі
Цей набір даних – шумна спіраль. Очевидно, що лінійна модель тут не спрацює, але може бути важко створити навіть поєднання ознак, визначені вручну.
Завдання 1. Навчіть найкращу модель, яку можете, використовуючи лише значення X1 і X2. Додавайте або видаляйте шари й нейрони, змінюйте такі параметри, як швидкість навчання, коефіцієнт регуляризації і розмір пакета. Якого найменшого значення втрат при тестуванні ви можете досягти? Наскільки злагодженою є візуалізація виводу моделі?
Завдання 2. Щоб досягти найкращої ефективності, певне конструювання ознак часто потрібне, навіть якщо використовуються нейронні мережі. Спробуйте додати більше поєднаних ознак різних продуктів або виконати інші трансформації, такі як sin(X1) і sin(X2). Ви отримали кращу модель? Чи стала візуалізація виводу моделі злагодженішою?
(Відповіді наведено відразу під вправою.)
Щоб побачити можливі відповіді, натисніть значок плюса.
У цьому відео показано, як вибрати гіперпараметри в інтерактивному середовищі, щоб навчати на основі спіральних даних модель, що мінімізує втрати при тестуванні.
[[["Easy to understand","easyToUnderstand","thumb-up"],["Solved my problem","solvedMyProblem","thumb-up"],["Other","otherUp","thumb-up"]],[["Missing the information I need","missingTheInformationINeed","thumb-down"],["Too complicated / too many steps","tooComplicatedTooManySteps","thumb-down"],["Out of date","outOfDate","thumb-down"],["Translation issue","translationIssue","thumb-down"],["Проблема з кодом або зразками","samplesCodeIssue","thumb-down"],["Other","otherDown","thumb-down"]],["Останнє оновлення: 2025-04-22 (UTC)."],[],[]]