Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang
Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.
Mạng xoắn ốc mạng nơron
Tập dữ liệu này là một chuỗi xoáy nhiễu. Rõ ràng, mô hình tuyến tính sẽ không thành công ở đây,
nhưng ngay cả việc kết hợp tính năng được xác định theo cách thủ công cũng có thể khó xây dựng.
Nhiệm vụ 1: Đào tạo mô hình tốt nhất có thể, chỉ sử dụng X1 và
X2. Hãy thoải mái thêm hoặc xoá các lớp và nơron, thay đổi
các chế độ cài đặt học tập như tốc độ học, tỷ lệ chuẩn hoá,
kích thước lô. Mức hao tổn thử nghiệm tốt nhất mà bạn có thể nhận được là gì? Độ mượt
bề mặt đầu ra của mô hình?
Nhiệm vụ 2: Ngay cả với Neural Nets, một số kỹ thuật về tính năng cũng
thường cần thiết để đạt được hiệu suất tốt nhất. Hãy thử thêm vào
các tính năng sản phẩm chéo hoặc các phép biến đổi khác như
sin(X1) và sin(X2). Bạn có trở nên tốt hơn không
mẫu? Bề mặt đầu ra của mô hình có mượt mà hơn không?
(Câu trả lời sẽ xuất hiện ngay bên dưới bài tập).
Hãy nhấp vào biểu tượng dấu cộng để xem các câu trả lời có thể có.
Video sau đây sẽ hướng dẫn cách chọn siêu tham số trong Playground
để huấn luyện một mô hình cho dữ liệu xoắn ốc nhằm giảm thiểu tổn thất kiểm thử.
[[["Dễ hiểu","easyToUnderstand","thumb-up"],["Giúp tôi giải quyết được vấn đề","solvedMyProblem","thumb-up"],["Khác","otherUp","thumb-up"]],[["Thiếu thông tin tôi cần","missingTheInformationINeed","thumb-down"],["Quá phức tạp/quá nhiều bước","tooComplicatedTooManySteps","thumb-down"],["Đã lỗi thời","outOfDate","thumb-down"],["Vấn đề về bản dịch","translationIssue","thumb-down"],["Vấn đề về mẫu/mã","samplesCodeIssue","thumb-down"],["Khác","otherDown","thumb-down"]],["Cập nhật lần gần đây nhất: 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."]]],[]]