Playground 是一個互動式應用程式，可讓您操控機器學習模型的訓練和測試作業。您可以在 Playground 中選取功能和調整超參數，然後瞭解所選項目對模型有何影響。
本頁面包含兩項練習，請使用操作說明下方的內嵌 Playground 小工具。
練習 1：基本特徵交叉
在本練習中，請著重於 Playground 使用者介面的下列部分：
- 在「特徵」下方，您會看到三種可能的模型特徵：
- x1
- x2
- x1x2
- 在「OUTPUT」下方，你會看到一個包含橘色和藍色點的方塊。假設您正在觀察方形森林，其中橘色點代表生病的樹木，藍色點代表健康的樹木。
- 在「FEATURES」和「OUTPUT」之間，仔細觀察會發現三條細虛線，分別將每個特徵連到輸出內容。每條虛線的寬度代表目前與各項特徵相關聯的權重。由於每個特徵的起始權重都初始化為 0，因此這些線條非常微弱。隨著權重增加或減少，這些線條的粗細也會隨之變化。
任務 1：探索 Playground，方法如下：
- 按一下連結特徵 x1 和輸出的細線。 畫面上會顯示彈出式視窗。
- 在彈出式視窗中輸入權重
1.0。 - 按下 Enter 鍵。
請注意下列事項：
- x1 的虛線會隨著權重從 0 增加到 1.0 而變粗。
- 現在背景會顯示橘色和藍色。
- 橘色背景是模型猜測的病樹位置。
- 藍色背景是模型猜測的健康樹木位置。模型表現不佳，大約一半的猜測結果都是錯誤的。
- 由於 x1 的權重為 1.0，其他特徵的權重為 0，因此模型會完全比對 x1 的值。
工作 2：變更任意或所有三項特徵的權重，讓模型 (背景顏色) 成功預測生病和健康的樹木。解決方案會顯示在 Playground 下方。
練習 2：更精細的特徵交叉
在第二項練習中，請查看輸出模型中橘點 (生病樹木) 和藍點 (健康樹木) 的排列方式，並注意下列事項：
- 這些點大致形成球形圖案。
- 點的排列方式雜亂無章，例如在橘色點的外層球體中，偶爾會出現藍點。因此，即使是優秀的模型，也不太可能正確預測每個點。
工作 1：按照下列步驟探索 Playground UI：
- 按一下「執行/暫停」按鈕 (黑色圓圈內的白色三角形)，Playground 會開始訓練模型，請觀察「Epochs」計數器是否增加。
- 系統訓練至少 300 個訓練週期後，請按下同一個「執行/暫停」按鈕暫停訓練。
- 查看模型。模型是否能做出準確的預測？換句話說，藍點周圍是否通常是藍色背景，而橘點周圍是否通常是橘色背景？
- 查看 OUTPUT 下方顯示的「Test loss」值。這個值比較接近 1.0 (損失較高) 還是 0 (損失較低)？
- 按下「執行/暫停」按鈕左側的彎曲箭頭，即可重設 Playground。
工作 2：執行下列操作，建構更優質的模型：
- 選取或取消選取五種可能特徵的任意組合。
- 調整學習率。
- 至少訓練系統 500 個週期。
- 檢查測試損失的值。你能否取得小於 0.2 的測試損失？
解決方案會顯示在 Playground 下方。