Set di addestramento e set di test

Torniamo a Playground per sperimentare con i set di addestramento e set di test.

Fai clic sull'icona Più per un promemoria del significato dei puntini arancioni e blu.

Nella visualizzazione:

• Ogni punto blu rappresenta un esempio di una classe di dati (ad esempio, spam).
• Ciascun punto arancione rappresenta un esempio di un'altra classe di dati (ad ad esempio, non spam).
• Il colore di sfondo rappresenta la previsione del modello del punto in cui gli esempi di quel colore. Uno sfondo blu intorno a un punto blu significa che il modello prevede correttamente l'esempio. Al contrario, uno sfondo arancione attorno a un pallino blu indica che il modello per l'esempio in questione.

Questo esercizio fornisce sia un set di test che un set di addestramento, entrambi tratti lo stesso set di dati. Per impostazione predefinita, la visualizzazione mostra solo l'addestramento per iniziare. Se vuoi vedere anche il set di test, fai clic su la casella di controllo Mostra dati di test appena sotto la visualizzazione. Nella , tieni presente la seguente distinzione:

• Gli esempi di addestramento hanno un contorno bianco.
• Gli esempi di test hanno un contorno nero.

Attività 1: esegui Playground con le impostazioni specificate eseguendo la seguenti:

1. Fai clic sul pulsante Esegui/Metti in pausa:
2. Osserva la modifica dei valori della perdita di test e della perdita di addestramento.
3. Quando i valori Perdita di test e Perdita di addestramento smettono di cambiare o una modifica solo una volta ogni tanto, premi il pulsante di nuovo per mettere in pausa Playground.

di Gemini Advanced. Nota il delta tra la perdita di test e la perdita di addestramento. Cercheremo di ridurre questo delta nelle seguenti attività.

Attività 2: svolgi i seguenti passaggi:

1. Premi il pulsante Ripristina.
2. Modifica il learning di Google.
3. Premi il pulsante Corsa/Pausa:
4. Lascia attivo Playground per almeno 150 epoche.

Il delta tra Perdita di test e Perdita di addestramento è inferiore o con questo nuovo tasso di apprendimento? Cosa succede se modifichi entrambi il tasso di apprendimento e dimensione del batch?

Attività facoltativa 3: un cursore con l'etichetta Percentuale di dati di addestramento consente di controllare la proporzione di dati di addestramento per i dati di test. Ad esempio: se impostato al 90%, il 90% dei dati viene utilizzato per il set di addestramento il restante 10% viene utilizzato per il set di test.

Segui questi passaggi:

1. Ridurre la "Percentuale di dati di addestramento" dal 50% al 10%.
2. Sperimenta con il tasso di apprendimento e la dimensione del batch, prendendo appunti sulle tue i risultati.

di Gemini Advanced. L'alterazione della percentuale dei dati di addestramento cambia di apprendimento configurate nell'Attività 2? Se sì, perché?

---

---

Fai clic sull'icona Più in corrispondenza della risposta all'Attività 1.

Con il tasso di apprendimento impostato su 3 (l'impostazione iniziale), La perdita di test è molto più elevata rispetto alla perdita di addestramento.

Fai clic sull'icona Più in corrispondenza della risposta all'Attività 2.

Riducendo il tasso di apprendimento (ad esempio a 0, 001), La perdita di test cala a un valore molto più vicino alla perdita di addestramento. Nella maggior parte delle esecuzioni, L'aumento della dimensione del batch non influisce sulla perdita di addestramento o sul test in modo significativo. Tuttavia, in una piccola percentuale di esecuzioni, aumentando Una dimensione del batch pari o superiore a 20 provoca una leggera diminuzione della perdita di test inferiore alla perdita di addestramento.

I set di dati di Playground vengono generati in modo casuale. Di conseguenza, le risposte potrebbero non essere sempre esattamente d'accordo con le tue.

Fai clic sull'icona Più in corrispondenza della risposta all'Attività 3.

Ridurre drasticamente la percentuale di dati di addestramento dal 50% al 10% riduce il numero di punti dati nel set di addestramento. Con così pochi dati, dimensioni del batch elevate e tasso di apprendimento elevato causano in modo caotico (scavalcando ripetutamente il punto minimo).