學習率與信心
這是幾項 Playground 練習的第一項。 Playground 是一項計畫 專門為這堂課程編寫機器學習原則 本課程的每項遊樂場運動均包含嵌入式遊樂場 套用預設設定的執行個體
每項 Playground 運動都會產生資料集。這項動作的標籤 有兩個可能的值你可以想到這兩個 可能的值是垃圾與非垃圾資訊 或可疑的樹或生病 大部分運動的目標在於微調各種超參數來建立 能夠成功分類 (分離或區別) 一個模型的模型 靜態標籤值請注意，大多數資料集都包含 導致無法成功分類的雜訊 每次範例。
按一下加號圖示，查看模型視覺化說明。
每項 Playground 運動都會以視覺化方式呈現目前 模型的狀態範例如下：
請注意以下有關模型視覺化內容的問題：
- 每個軸都代表特定特徵。在垃圾郵件與非垃圾郵件的情況下 功能可能為字數和收件者人數 電子郵件。
- 每個圓點都繪製了資料範例的特徵值，例如 電子郵件。
- 點的顏色代表範例所屬的類別。 舉例來說，藍點代表非垃圾郵件 橘色圓點代表垃圾郵件。
- 背景顏色代表模型對範例的預測結果 這些顏色應該都能找到藍點周圍的藍色背景 表示模型正確預測該範例相反地 在藍點周圍顯示橘色背景時 未正確預測該範例
- 背景的藍色和橘色會縮放。舉例來說， 視覺點呈現實心藍色，但中間逐漸淡出白色 圖表類型你可以把顏色強度想成是建議 模型猜測的可信度實心藍色表示 充滿信心，淺藍色表示模型 則較沒信心(如圖中顯示的模型視覺化作業 也沒那麼做的？
使用視覺化效果判斷模型進度。 (「極佳：大多數的藍點都有藍色背景」或 「喔不！藍點具有橘色背景。」) 除了色彩之外，遊樂場還有 也會顯示模型目前的損失 (「糟糕！損失將增加，而非下降。」)
本練習的介面提供三個按鈕：
| 圖示 | 名稱 | 功用 |
|---|---|---|
|
重設 | 將「Iterations」重設為 0。將模型產生的任何權重歸零 |
|
步驟 | 進行一項疊代作業。每次疊代時 變動 - 有時候可能會有些許細微，甚至大幅度調整。 |
|
重新生成 | 產生新的資料集。不會重設疊代。 |
在第一個 Playground 練習中 學習率
工作 1：請留意右上方的「學習率」選單 遊樂場。指定的學習率 (3) 非常高。觀察 點選「Step」圖示，就能瞭解高學習率對模型的影響 按鈕 10 或 20 次每次早期疊代後 圖表的呈現方式大幅改變甚至可能出現不穩定的問題 。同時請注意 從 x1 和 x2 轉換為模型視覺化權重 這些線條代表模型中這些特徵的權重也就是說 粗線條表示體重較高。
工作 2：執行下列操作：
- 按下「重設」按鈕。
- 降低學習率。
- 多按幾下「步驟」按鈕。
較低的學習率會如何影響收訊？檢查 模型對話所需的步驟數，以及流暢度 並穩定地收縮模型盡量實驗看看 學習率你能找出學習率太慢，不覺得實用嗎？(您將 請參閱練習下方的討論)。