ข้อมูลเชิงหมวดหมู่: แสดงการออกกำลังกายแบบข้ามกลุ่ม

Playground เป็นแอปพลิเคชันแบบอินเทอร์แอกทีฟที่ช่วยให้คุณจัดการด้านต่างๆ ของการฝึกและการทดสอบโมเดลแมชชีนเลิร์นนิงได้ Playground ช่วยให้คุณเลือกฟีเจอร์และปรับไฮเปอร์พารามิเตอร์ แล้วดูว่าตัวเลือกของคุณส่งผลต่อโมเดลอย่างไร

หน้านี้มีแบบฝึกหัด 2 รายการโดยใช้วิดเจ็ต Playground แบบฝัง ใต้คำสั่ง

แบบฝึกหัดที่ 1: การครอสฟีเจอร์พื้นฐาน

สำหรับการฝึกนี้ ให้มุ่งเน้นที่ส่วนต่อไปนี้ของอินเทอร์เฟซผู้ใช้ Playground

  • สังเกตฟีเจอร์ของโมเดลที่มีศักยภาพ 3 รายการด้านล่างฟีเจอร์ ดังนี้
    • x1
    • x2
    • x1x2
  • คุณจะเห็นสี่เหลี่ยมที่มีจุดสีส้ม และสีน้ำเงินอยู่ใต้ OUTPUT ลองนึกภาพว่าคุณกำลังมองป่าที่เป็นสี่เหลี่ยมจัตุรัส ซึ่ง จุดสีส้มแสดงตำแหน่งของต้นไม้ที่ป่วย และจุดสีน้ำเงินแสดง ตำแหน่งของต้นไม้ที่แข็งแรง
  • หากสังเกตดีๆ ระหว่างฟีเจอร์กับเอาต์พุต คุณจะเห็นเส้นประจางๆ 3 เส้น ที่เชื่อมต่อแต่ละฟีเจอร์กับเอาต์พุต ความกว้างของเส้นประแต่ละเส้นแสดงถึงน้ำหนักที่เชื่อมโยงกับฟีเจอร์แต่ละรายการในปัจจุบัน เส้นเหล่านี้จางมากเนื่องจากน้ำหนักเริ่มต้น ของแต่ละฟีเจอร์ได้รับการเริ่มต้นเป็น 0 เมื่อน้ำหนักเพิ่มขึ้นหรือลดลง ความหนาของเส้นเหล่านี้ก็จะเพิ่มขึ้นหรือลดลงตามไปด้วย

งานที่ 1: สำรวจ Playground โดยทำดังนี้

  1. คลิกเส้นจางๆ ที่เชื่อมต่อฟีเจอร์ x1 กับเอาต์พุต ป๊อปอัปจะปรากฏขึ้น
  2. ป้อนน้ำหนัก 1.0 ในป๊อปอัป
  3. กด Enter

โปรดสังเกตสิ่งต่อไปนี้

  • เส้นประสำหรับ x1 จะหนาขึ้นเมื่อน้ำหนักเพิ่มขึ้น จาก 0 เป็น 1.0
  • ตอนนี้พื้นหลังสีส้มและสีน้ำเงินจะปรากฏขึ้น
    • พื้นหลังสีส้มคือตำแหน่งที่โมเดลคาดเดาว่าต้นไม้ที่ป่วยอยู่
    • พื้นหลังสีน้ำเงินคือการคาดเดาของโมเดลเกี่ยวกับตำแหน่งของต้นไม้ที่แข็งแรง โมเดลทำงานได้แย่มาก โดยคำตอบที่โมเดลคาดเดามาประมาณครึ่งหนึ่ง ไม่ถูกต้อง
  • เนื่องจากน้ำหนักคือ 1.0 สำหรับ x1 และ 0 สำหรับฟีเจอร์อื่นๆ โมเดลจึงจับคู่ค่าของ x1 ได้อย่างแม่นยำ

งานที่ 2: เปลี่ยนน้ำหนักของฟีเจอร์ทั้ง 3 รายการบางรายการหรือทั้งหมด เพื่อให้โมเดล (สีพื้นหลัง) คาดการณ์ต้นไม้ที่ป่วยและไม่ป่วยได้สำเร็จ โซลูชันจะปรากฏใต้ Playground

แบบฝึกหัดที่ 2: การครอสฟีเจอร์ที่ซับซ้อนมากขึ้น

สำหรับแบบฝึกหัดที่ 2 ให้ดูการจัดเรียงจุดสีส้ม (ต้นไม้ป่วย) และจุดสีน้ำเงิน (ต้นไม้แข็งแรง) ในโมเดลเอาต์พุต โดยสังเกตสิ่งต่อไปนี้

  • โดยจุดต่างๆ จะก่อตัวเป็นรูปแบบทรงกลมโดยประมาณ
  • การจัดเรียงจุดมีสัญญาณรบกวน เช่น สังเกตจุดสีน้ำเงิน ที่ปรากฏเป็นครั้งคราวในวงกลมด้านนอกของจุดสีส้ม ดังนั้น แม้แต่โมเดลที่ยอดเยี่ยมก็ ไม่น่าจะคาดการณ์จุดแต่ละจุดได้อย่างถูกต้อง

งานที่ 1: สำรวจ UI ของ Playground โดยทำดังนี้

  1. คลิกปุ่มเรียกใช้/หยุดชั่วคราว ซึ่งเป็นสามเหลี่ยมสีขาวอยู่ภายในวงกลมสีดำ Playground จะเริ่มฝึกโมเดล สังเกต เคาน์เตอร์ Epoch ที่เพิ่มขึ้น
  2. หลังจากที่ระบบฝึกอย่างน้อย 300 Epoch แล้ว ให้กดปุ่ม เรียกใช้/หยุดชั่วคราวเดียวกันเพื่อหยุดการฝึกชั่วคราว
  3. ดูที่โมเดล โมเดลคาดการณ์ได้ดีไหม กล่าวคือ จุดสีน้ำเงินมักจะอยู่บนพื้นหลังสีน้ำเงิน และจุดสีส้มมักจะอยู่บนพื้นหลังสีส้มใช่ไหม
  4. ตรวจสอบค่าของการสูญเสียการทดสอบ ซึ่งจะปรากฏใต้ OUTPUT ค่านี้ใกล้เคียงกับ 1.0 (การสูญเสียสูงกว่า) หรือใกล้เคียงกับ 0 (การสูญเสียต่ำกว่า)
  5. รีเซ็ต Playground โดยกดลูกศรโค้งทางด้านซ้ายของปุ่ม เรียกใช้/หยุดชั่วคราว

งานที่ 2: สร้างโมเดลที่ดีขึ้นโดยทำดังนี้

  1. เลือกหรือยกเลิกการเลือกฟีเจอร์ที่เป็นไปได้ทั้ง 5 แบบ
  2. ปรับอัตราการเรียนรู้
  3. ฝึกระบบอย่างน้อย 500 ยุค
  4. ตรวจสอบค่าของการสูญเสียการทดสอบ คุณทำให้การสูญเสียการทดสอบน้อยกว่า 0.2 ได้ไหม

โซลูชันจะปรากฏใต้ Playground

ก่อนหน้า
ทางแยก (5 นาที)
ถัดไป
ทดสอบความรู้ (10 นาที)