Set Pelatihan dan Set Pengujian

Kita kembali ke Playground untuk bereksperimen dengan set pelatihan dan set pengujian.

Klik ikon plus untuk mengingat arti titik oranye dan biru.

Dalam visualisasi:

• Setiap titik biru menandakan satu contoh dari satu class data (misalnya, spam).
• Setiap titik oranye menandakan satu contoh kelas data lainnya (untuk misalnya, bukan spam).
• Warna latar belakang merepresentasikan prediksi model tempat contoh dari warna itu harus ditemukan. Latar belakang biru di sekitar titik biru berarti model memprediksi contoh tersebut dengan benar. Sebaliknya, latar belakang oranye di sekitar titik biru berarti model ini sedang membuat prediksi yang salah untuk contoh itu.

Latihan ini menyediakan set pengujian dan pelatihan, keduanya diambil dari {i>dataset<i} yang sama. Secara {i>default<i}, visualisasi itu hanya menampilkan pelatihan atur. Jika Anda juga ingin melihat set pengujian, klik kotak centang Show test data tepat di bawah visualisasi. Di kolom visualisasi, perhatikan perbedaan berikut:

• Contoh pelatihan memiliki garis batas berwarna putih.
• Contoh pengujian memiliki garis luar berwarna hitam.

Tugas 1: Jalankan Playground menggunakan setelan tertentu dengan melakukan berikut ini:

1. Klik tombol Run/Pause:
2. Tonton perubahan nilai kerugian Pengujian dan kerugian Pelatihan.
3. Saat nilai Kerugian pengujian dan kerugian Pelatihan berhenti berubah atau hanya berubah sesekali, tekan tombol Run/Pause lagi untuk menjeda Playground.

Perhatikan delta antara Kerugian pengujian dan Kerugian pelatihan. Kita akan mencoba mengurangi hal ini delta di tugas berikut.

Tugas 2: Lakukan hal berikut:

1. Tekan tombol Reset.
2. Mengubah Pembelajaran standar.
3. Tekan tombol Run/Pause:
4. Biarkan Playground berjalan minimal 150 epoch.

Apakah delta antara Kerugian pengujian dan Kerugian pelatihan lebih rendah atau dengan Kecepatan pembelajaran baru ini? Yang terjadi jika Anda mengubah keduanya Kecepatan pembelajaran dan ukuran tumpukan?

Tugas Opsional 3: Penggeser berlabel Persentase data pelatihan memungkinkan Anda mengontrol proporsi data pelatihan untuk menguji data. Misalnya, ketika diatur ke 90%, maka 90% data digunakan untuk set pelatihan dan 10% sisanya digunakan untuk set pengujian.

Lakukan hal berikut:

1. Mengurangi "Persentase data pelatihan" dari 50% menjadi 10%.
2. Bereksperimenlah dengan Kecepatan pembelajaran dan Ukuran tumpukan, dengan membuat catatan pada temuan proyek.

Apakah perubahan persentase data pelatihan akan mengubah pengaturan pembelajaran yang Anda temukan di Tugas 2? Jika demikian, mengapa?

---

---

Klik ikon plus untuk jawaban Tugas 1.

Dengan kecepatan pembelajaran disetel ke 3 (pengaturan awal), Kerugian pengujian secara signifikan lebih tinggi daripada Kerugian pelatihan.

Klik ikon plus untuk jawaban Tugas 2.

Dengan mengurangi kecepatan pembelajaran (misalnya, menjadi 0,001), Kerugian pengujian turun ke nilai yang jauh mendekati Kerugian pelatihan. Hampir di semua proses, meningkatkan ukuran Batch tidak memengaruhi Kerugian atau Pengujian Pelatihan kerugian secara signifikan. Namun, dalam persentase kecil sesi, meningkatkan Ukuran batch hingga 20 atau lebih menyebabkan Kerugian pengujian sedikit menurun di bawah Kerugian pelatihan.

Set data Playground dibuat secara acak. Oleh karena itu, mungkin tidak selalu sama persis dengan jawaban Anda.

Klik ikon plus untuk jawaban Tugas 3.

Mengurangi persentase data Pelatihan dari 50% menjadi 10% secara dramatis menurunkan jumlah titik data dalam set pelatihan. Dengan sedikit data, ukuran batch yang tinggi dan kecepatan pemelajaran yang tinggi menyebabkan model pelatihan dengan kacau (melompat berulang kali di atas titik minimum).