神经网络螺旋

该数据集是一个嘈杂的螺旋。显然，线性模型在这里会失败， 但即使是手动定义的特征组合，也可能很难构建。

任务 1：仅使用 X₁ 和 X₂。你可以随意添加或删除层和神经元， 包括学习速率、正则化率和 批次大小。您可以获得的最佳测试损失是多少？平滑度 模型输出表面？

任务 2：即使使用神经网络，也需要一定量的特征工程， 往往需要实现最佳性能。请尝试添加更多 交叉乘积特征或其他转换， sin(X₁) 和 sin(X₂)。你能比 模型？模型输出表面是否更平滑？

（答案位于练习正下方。）

---

---

点击加号图标即可查看可能的答案。

以下视频详细介绍了如何在 Playground 中选择超参数 来训练模型以获取能够最大限度地减少测试损失的螺旋数据。