सीखने की दर और कनवर्जेंस
यह प्लेग्राउंड के कई अभ्यासों में से पहला है. Playground एक प्रोग्राम है इसे खास तौर पर, मशीन लर्निंग के सिद्धांतों को सिखाने के लिए, इस कोर्स के लिए डेवलप किया गया. इस कोर्स के हर प्लेग्राउंड अभ्यास में एक एम्बेड किया गया खेल का मैदान शामिल है का इस्तेमाल करें.
प्लेग्राउंड में की जाने वाली हर कसरत एक डेटासेट जनरेट करती है. इसके लिए लेबल डेटासेट में दो संभावित वैल्यू हो सकती हैं. एक और तरीके से स्पैम बनाम स्पैम नहीं या शायद स्वस्थ पेड़ बनाम बीमार पेड़. ज़्यादातर कसरतों का लक्ष्य, कई हाइपर पैरामीटर में बदलाव करके उन्हें बनाना होता है ऐसा मॉडल जो सही तरीके से अलग-अलग कैटगरी में बांटता (अलग करता है या अलग करता है) लेबल की वैल्यू को अलग-अलग रखें. ध्यान दें कि ज़्यादातर डेटा सेट में शोर की वजह से, उन खिलाड़ियों की संख्या की पहचान करना नामुमकिन है सभी उदाहरण के साथ.
मॉडल विज़ुअलाइज़ेशन की जानकारी के लिए प्लस आइकॉन पर क्लिक करें.
हर प्लेग्राउंड एक्सरसाइज़ से जुड़ी मौजूदा मॉडल की स्थिति के बारे में ज़्यादा जानें. उदाहरण के लिए, यहां विज़ुअलाइज़ेशन दिया गया है:
मॉडल विज़ुअलाइज़ेशन के बारे में यहां दी गई बातों का ध्यान रखें:
- हर ऐक्सिस किसी खास सुविधा को दिखाता है. स्पैम के मामले में बनाम स्पैम के तौर पर नहीं, शब्दों की संख्या और शब्दों की ईमेल.
- हर बिंदु, डेटा के एक उदाहरण के लिए सुविधा की वैल्यू दिखाता है, जैसे एक ईमेल लिखें.
- बिंदु का रंग, उस क्लास को दिखाता है जिससे उदाहरण जुड़ा है. उदाहरण के लिए, नीले बिंदु गैर-स्पैम ईमेल दिखा सकते हैं जबकि नारंगी बिंदु, स्पैम ईमेल को दिखा सकते हैं.
- बैकग्राउंड का रंग, मॉडल का वह अनुमान दिखाता है जिसमें उदाहरण होते हैं लोगो मिल जाना चाहिए. नीले बिंदु के आस-पास नीला बैकग्राउंड इसका मतलब है कि मॉडल उस उदाहरण का सही अनुमान लगा रहा है. इसके उलट, नीले बिंदु के चारों ओर नारंगी रंग के बैकग्राउंड का मतलब है कि मॉडल आपने ग़लत अनुमान लगाया था.
- बैकग्राउंड के नीले और नारंगी रंग को स्केल किया गया है. उदाहरण के लिए, की बाईं ओर विज़ुअलाइज़ेशन पूरी तरह से नीला है, लेकिन बीच में धीरे-धीरे फ़ेड होकर सफ़ेद रंग में बदल जाएगा के हिसाब से फ़िल्टर किया जा सकता है. रंग की इंटेंसिटी को ध्यान में रखते हुए यह सुझाव दिया जा सकता है कि अपने अनुमान पर मॉडल कितना विश्वास कर सकता है. ठोस नीले रंग का मतलब है कि मॉडल को अपने अनुमान पर पूरा भरोसा होता है और हल्के नीले रंग का मतलब है कि मॉडल उस पर कम भरोसा होता है. (इस इमेज में दिखाए गए मॉडल विज़ुअलाइज़ेशन से, काम नहीं करता.)
अपने मॉडल की प्रगति का आकलन करने के लिए विज़ुअलाइज़ेशन का इस्तेमाल करें. ("बहुत बढ़िया—ज़्यादातर नीले बिंदुओं का बैकग्राउंड नीला है" या "अरे नहीं! नीले बिंदुओं का बैकग्राउंड नारंगी होता है.") रंगों से आगे, खेल का मैदान साथ ही, मॉडल की मौजूदा हानि को अंकों के हिसाब से दिखाता है. ("अरे नहीं! इससे हार के बजाय हार की दर बढ़ रही है.")
इस एक्सरसाइज़ के इंटरफ़ेस में तीन बटन होते हैं:
| आइकॉन | नाम | यह क्या करता है |
|---|---|---|
|
रीसेट करें | इटरेशन को 0 पर रीसेट करता है. मॉडल के हर वज़न को रीसेट करता है मैंने सीखा. |
|
चरण | एक बार फिर से आगे बढ़ें. हर बार दोहराने के बाद, मॉडल कभी-कभी बहुत छोटे-मोटे बदलाव करके, कभी-कभी काफ़ी बदलाव लाने में भी मदद मिलती है. |
|
फिर से जनरेट करें | एक नया डेटा सेट जनरेट करता है. इटरेशन को रीसेट नहीं करता है. |
इस पहले प्लेग्राउंड अभ्यास में, आप दो टास्क पूरे करने पर सीखने की दर.
टास्क 1: इसके सबसे ऊपर दाईं ओर, सीखने की दर मेन्यू पर ध्यान दें गेमका मैदान. सीखने की दर—3—बहुत ज़्यादा है. निरीक्षण करें यह उच्च लर्निंग दर "चरण" पर क्लिक करके आपके मॉडल को कैसे प्रभावित करती है बटन को 10 या 20 बार तक ले सकते हैं. प्रत्येक शुरुआती चरण के बाद, ध्यान दें कि मॉडल कैसे में बहुत ज़्यादा बदलाव होता है. आपको थोड़ी-बहुत अस्त-व्यस्तता भी दिख सकती है बाद में दिखता है कि मॉडल कन्वर्ज़न हो गया है. चल रही लाइनों पर भी ध्यान दें x1 और x2 से लेकर मॉडल विज़ुअलाइज़ेशन तक. इसका वज़न ये लाइनें, मॉडल में उन सुविधाओं के वेट की जानकारी देती हैं. इसका मतलब है कि मोटी रेखा ज़्यादा भार को दर्शाती है.
टास्क 2: ये काम करें:
- रीसेट करें बटन दबाएं.
- लर्निंग रेट कम करें.
- स्टेप बटन को कई बार दबाएं.
लर्निंग रेट में कमी से, कन्वर्ज़न की क्वालिटी पर क्या असर पड़ा? इन दोनों विकल्पों की जांच करें मॉडल तक पहुंचने के लिए ज़रूरी चरणों की संख्या कितनी है और यह भी और मॉडल उसके साथ मिलकर काम करता है. इससे और भी कम मानों के साथ प्रयोग करें सीखने की दर. क्या आपको लगता है कि सीखने की कोई दर इतनी धीमी है कि वह आपके काम की न हो? (आप व्यायाम के नीचे चर्चा देखें.)