هل يتم تجاوز الهدف؟

قبل مشاهدة الفيديو أو قراءة الوثائق، يرجى إكمال هذا التمرين الذي يستكشف الاستخدام المفرط لتقاطعات الخصائص.

المهمة 1: تشغيل النموذج كما هو، مع كل المنتجات من فئات منتجات أخرى الجديدة. هل هناك أي مفاجآت في الطريقة التي يناسب النموذج البيانات بها؟ ما هي المشكلة؟

المهمة 2: حاول إزالة الميزات المختلفة في المنتجات لتحسين الأداء الأداء (إن كان طفيفًا فقط). ما سبب أهمية إزالة الميزات تحسين الأداء؟

(تظهر الإجابات أسفل التمرين مباشرةً.)

---

---

انقر فوق رمز الإضافة للحصول على إجابة على المهمة 1.

من المستغرب أنّ حدود قرار النموذج تبدو غريبة. وعلى وجه الخصوص، توجد منطقة في أعلى اليسار تشير نحو اللون الأزرق، على الرغم من عدم وجود دعم مرئي لذلك في البيانات.

لاحِظ السُمك النسبي للخطوط الخمسة التي تعمل من INPUT إلى OUTPUT. توضح هذه الخطوط الأوزان النسبية للميزات الخمس. تكون الخطوط المنبثقة من X₁ وX₂ أكثر سمكًا من أولئك الذين يأتون من تقاطعات الميزة. إذًا، تكون مواضع تقاطع الخصائص مساهمة أقل بكثير في النموذج مقارنة بالميزات العادية (غير المتقاطعة).

انقر فوق رمز الإضافة للحصول على إجابة على المهمة 2.

تؤدي إزالة جميع تداخل الخصائص إلى إيجاد نموذج أكثر منطقية (هناك لم تعد حدودًا منحنية تشير إلى فرط التخصيص) ويجعل خسارة الاختبار تتقارب.

بعد 1000 تكرار، من المفترض أن تكون قيمة فقدان الاختبار أقل قليلاً مقارنة بالوقت الذي كانت فيه الميزة قيد التشغيل (على الرغم من أن نتائجك قد تختلف قليلاً حسب مجموعة البيانات).

البيانات الواردة في هذا التمرين هي في الأساس بيانات خطية بالإضافة إلى التشويش. إذا استخدمنا نموذجًا معقدًا للغاية، كنموذج يحتوي على عدد كبير جدًا نعطيها الفرصة لتلائم الضوضاء في بيانات التدريب، على حساب التأثير السيء للنموذج على بيانات الاختبار.