Öğrenme Oranı ve Çakışması
Bu birkaç Playground alıştırmasının ilki. Playground bir programdır makine öğrenimi ilkelerini öğretmek için özel olarak bu kursta hazırlandı. Bu kurstaki her Playground egzersizi, yerleşik bir oyun alanı içeriyor bir örneğidir.
Her Playground egzersizi bir veri kümesi oluşturur. Bunun etiketi veri kümesinde iki olası değer bulunur. Bu iki çözümü, olası değerleri "spam", "spam değil" veya "sağlıklı ağaçlar/sağlıklı ağaçlar" olarak ifade eder. Çoğu alıştırmanın amacı, çeşitli hiperparametrelerde değişiklik yaparak birini başarıyla sınıflandıran (ayıran veya ayırt eden) bir model diğerinden etiket değeri. Çoğu veri kümesinin belirli bir başarılı bir şekilde sınıflandırılmasını imkansız hale getirecek gürültü miktarı tüm örneklere göz atın.
Model görselleştirme açıklaması için artı simgesini tıklayın.
Her Playground egzersizi, mevcut anın görselleştirmesini durumu hakkında daha fazla bilgi edinin. Örneğin, aşağıda bir görselleştirme verilmiştir:
Model görselleştirmeyle ilgili olarak aşağıdakilere dikkat edin:
- Her eksen belirli bir özelliği temsil eder. Spam veya spam değil olarak, özellikler, kelimelerin sayısı ve alıcı sayısı, e-posta gönderin.
- Her nokta, verilerin bir örneğine ait özellik değerlerini gösterir. Örneğin: bir e-posta alırsınız.
- Noktanın rengi, örneğin ait olduğu sınıfı temsil eder. Örneğin mavi noktalar spam olmayan e-postaları temsil ederken, turuncu noktalar, spam e-postaları temsil edebilir.
- Arka plan rengi, modelin örneklerin nerede gerçekleştiğine ilişkin tahminini bulunması gerekir. Mavi bir noktanın etrafında mavi arka plan modelin bu örneği doğru şekilde tahmin ettiği anlamına gelir. Öte yandan mavi bir noktanın etrafındaki turuncu arka plan, modelin yanlış tahminde bulunmanıza yardımcı olabilir.
- Arka plandaki mavi ve turuncu renkler ölçeklendirilir. Örneğin, menünün sol tarafı görselleştirme sabit mavi renktedir ancak ortada kademeli olarak beyaza dönüşür ortaya çıkarır. Renk gücünü gözünüzün önünde size modelin tahminine olan güvenini artırır. Yani mavi renk, modelin tahminine çok güvenmektedir ve açık mavi, modelin daha az güvenir. (Şekilde gösterilen model görselleştirmesi iyi bir tahmin değildir.)
Modelinizin ilerlemesini değerlendirmek için görselleştirmeyi kullanın. ("Mükemmel; mavi noktaların çoğunun arka planı mavidir" veya "Tüh! Mavi noktaların arka planı turuncu olur.") Renklerin ötesinde, Playground modelin mevcut kaybını da sayısal olarak gösterir. ("Hay aksi! Kayıplar düşüp gitmek yerine artacak.")
Bu alıştırmanın arayüzünde üç düğme bulunur:
| Simge | Ad | Ne işe yarar? |
|---|---|---|
|
Sıfırla | Yinelemeler değerini 0'a sıfırlar. Modelin sahip olduğu ağırlıkları sıfırlar bazı temel bilgiler vereceğim. |
|
Step | Bir yineleme ilerletin. Model her yinelemede ve bazen önemli değişiklikler gösterebilir. |
|
Yeniden üret | Yeni bir veri kümesi oluşturur. Yinelemeleri sıfırlamaz. |
Bu ilk Playground alıştırmasında, Sauce and Spoon projesinin öğrenme oranını ölçmenizi sağlar.
1. Görev: Ekranın sağ üst kısmındaki Öğrenme hızı menüsüne dikkat edin. Playground'a dokunun. Belirtilen Öğrenme oranı (3) çok yüksek. Gözlem yüksek Öğrenme hızının modelinizi nasıl etkilediğiyle ilgili daha fazla bilgi edinmek için "Adım" 10 veya 20 kez tıklayın. Her erken iterasyondan sonra modelin görselleştirmede büyük değişiklikler olabilir. Tutarsızlıklarla bile karşılaşabilirsiniz. sonra görünmektedir. Ayrıca hatların geçtiğine de dikkat edin. 1 ve 2'den model görselleştirmeye. Ağırlıkları bu satırlar, modelde bu özelliklerin ağırlıklarını gösterir. Yani, kalın çizgi yüksek ağırlığı gösterir.
2. Görev: Aşağıdakileri yapın:
- Sıfırla düğmesine basın.
- Öğrenme hızını düşürün.
- Adım düğmesine birkaç kez basın.
Düşük öğrenme hızı, yakınsaklığı nasıl etkiledi? Hem uzlaşması için gereken adım sayısı ve bunların ne kadar ve model sürekli olarak birbirine yaklaşır. Daha da düşük şu değerle denemeler yapın: öğrenme hızı. Çok yavaş bir öğrenme hızını yararlı bulamadınız mı? ( alıştırmanın hemen altında tartışmayı bulabilirsiniz.)