Datos categóricos: Ejercicios de combinación de atributos

Playground es una aplicación interactiva que te permite manipular varios aspectos del entrenamiento y la prueba de un modelo de aprendizaje automático. Con Playground, puedes seleccionar atributos y ajustar hiperparámetros, y, luego, descubrir cómo tus elecciones influyen en un modelo.

En esta página, se incluyen dos ejercicios con los widgets de Playground incorporados que se encuentran debajo de las instrucciones.

Ejercicio 1: Una combinación de atributos básica

Para este ejercicio, enfócate en las siguientes partes de la interfaz de usuario del Playground:

  • Debajo de FEATURES, observa las tres posibles variables del modelo:
    • x1
    • x2
    • x1x2
  • Debajo de OUTPUT, verás un cuadrado que contiene puntos naranjas y azules. Imagina que estás viendo un bosque cuadrado, en el que los puntos naranjas marcan la posición de los árboles enfermos y los puntos azules marcan la posición de los árboles sanos.
  • Entre FEATURES y OUTPUT, si observas con atención, verás tres líneas discontinuas tenues que conectan cada característica con el resultado. El ancho de cada línea discontinua simboliza el peso asociado actualmente a cada atributo. Estas líneas son muy tenues porque el peso inicial de cada atributo se inicializa en 0. A medida que el peso aumenta o disminuye, también lo hará el grosor de estas líneas.

Tarea 1: Explora Playground haciendo lo siguiente:

  1. Haz clic en la línea tenue que conecta la función x1 con el resultado. Aparecerá una ventana emergente.
  2. En la ventana emergente, ingresa el peso 1.0.
  3. Presiona Intro.

Observa lo siguiente:

  • La línea discontinua de x1 se vuelve más gruesa a medida que el peso aumenta de 0 a 1.0.
  • Ahora aparecerá un fondo naranja y azul.
    • El fondo naranja muestra las suposiciones del modelo sobre dónde se encuentran los árboles enfermos.
    • El fondo azul muestra las suposiciones del modelo sobre dónde se encuentran los árboles en buen estado. El modelo está haciendo un trabajo terrible; aproximadamente la mitad de las suposiciones del modelo son incorrectas.
  • Dado que el peso es 1.0 para x1 y 0 para los demás atributos, el modelo coincide exactamente con los valores de x1.

Tarea 2: Cambia los pesos de cualquiera de las tres características o de todas ellas para que el modelo (los colores de fondo) prediga correctamente los árboles enfermos y sanos. La solución aparece justo debajo de Playground.

Ejercicio 2: Una combinación de atributos más sofisticada

Para el segundo ejercicio, observa la disposición de los puntos naranjas (árboles enfermos) y los puntos azules (árboles sanos) en el modelo de salida y ten en cuenta lo siguiente:

  • Los puntos forman patrones aproximadamente esféricos.
  • La disposición de los puntos es ruidosa. Por ejemplo, observa los puntos azules ocasionales en la esfera exterior de puntos naranjas. Por lo tanto, es poco probable que incluso un modelo excelente prediga correctamente cada punto.

Tarea 1: Explora la IU de Playground. Para ello, haz lo siguiente:

  1. Haz clic en el botón Ejecutar/Pausar, que es un triángulo blanco dentro de un círculo negro. Playground comenzará a entrenar el modelo. Observa cómo aumenta el contador de épocas.
  2. Después de que el sistema se haya entrenado durante al menos 300 ciclos, presiona el mismo botón Ejecutar/Pausar para detener el entrenamiento.
  3. Observa el modelo. ¿El modelo hace buenas predicciones? En otras palabras, ¿los puntos azules suelen estar rodeados de un fondo azul y los puntos naranjas suelen estar rodeados de un fondo naranja?
  4. Examina el valor de la pérdida de la prueba, que aparece justo debajo de OUTPUT. ¿Este valor está más cerca de 1.0 (pérdida mayor) o de 0 (pérdida menor)?
  5. Para restablecer Playground, presiona la flecha curva que se encuentra a la izquierda del botón Ejecutar/Pausar.

Tarea 2: Para crear un mejor modelo, haz lo siguiente:

  1. Selecciona o anula la selección de cualquier combinación de las cinco funciones posibles.
  2. Ajusta la tasa de aprendizaje.
  3. Entrena el sistema durante al menos 500 épocas.
  4. Examina el valor de la pérdida de prueba. ¿Puedes obtener una pérdida de prueba inferior a 0.2?

Las soluciones aparecen debajo de Playground.

Anterior
Combinaciones de atributos (5 min)
Siguiente
Pon a prueba tus conocimientos (10 min)