カテゴリデータ: 特徴クロス演習

Playground は、ML モデルのトレーニングとテストのさまざまな側面を操作できるインタラクティブなアプリケーションです。Playground では、特徴を選択してハイパーパラメータを調整し、選択内容がモデルにどのように影響するかを確認できます。

このページには、手順の下に埋め込まれた Playground ウィジェットを使用した 2 つの演習が含まれています。

演習 1: 基本的な特徴クロス

この演習では、プレイグラウンドのユーザー インターフェースの次の部分に焦点を当てます。

  • [FEATURES] の下に、モデルの 3 つの潜在的な特徴が表示されます。
    • x1
    • x2
    • x1x2
  • [OUTPUT] の下に、オレンジ色と青色のドットを含む正方形が表示されます。正方形の森を想像してください。オレンジ色の点は病気の木の場所を示し、青色の点は健康な木の場所を示しています。
  • FEATURES と OUTPUT の間に、各特徴量を出力に接続する 3 本の薄い点線が表示されます。各破線の幅は、現在各特徴量に関連付けられている重みを表します。各特徴の開始重みが 0 に初期化されるため、これらの線は非常に薄くなります。重みが大きくなったり小さくなったりすると、これらの線の太さも変化します。

タスク 1: 次の手順で Playground を操作します。

  1. 特徴 x1 を出力に接続する薄い線をクリックします。ポップアップが表示されます。
  2. ポップアップで、重み 1.0 を入力します。
  3. Enter キーを押します。

次の点に注意してください。

  • x1 の破線は、重みが 0 から 1.0 に増加するにつれて太くなります。
  • オレンジ色と青色の背景が表示されます。
    • オレンジ色の背景は、病気の木がある場所に関するモデルの推測です。
    • 青い背景は、正常な木がどこにあるかについてのモデルの推測です。モデルの精度は低く、モデルの予測の約半分が間違っています。
  • x1 の重みは 1.0 で、他の特徴の重みは 0 であるため、モデルは x1 の値と完全に一致します。

タスク 2: モデル（背景色）が病気の木と健康な木を正しく予測できるように、3 つの特徴のいずれかまたはすべて重みを変更します。ソリューションは Playground のすぐ下に表示されます。

演習 2: より高度な特徴クロス

2 つ目の演習では、出力モデルのオレンジ色の点（病気の木）と青色の点（健康な木）の配置を確認し、次の点に注目します。

  • ドットはほぼ球形のパターンを形成します。
  • ドットの配置がノイズを含んでいます。たとえば、オレンジ色のドットの外側の球に青色のドットが散見されます。そのため、優れたモデルであっても、各ドットを正しく予測することは困難です。

タスク 1: 次の手順で Playground UI を確認します。

  1. 実行/一時停止ボタン（黒い円の中に白い三角形があるボタン）をクリックします。Playground でモデルのトレーニングが開始されます。エポック カウンタが増加していることを確認します。
  2. システムが少なくとも 300 エポックのトレーニングを完了したら、同じ [実行/一時停止] ボタンを押してトレーニングを一時停止します。
  3. モデルを見てみましょう。モデルは適切な予測を行っているか？つまり、青い点は一般的に青い背景で囲まれており、オレンジ色の点は一般的にオレンジ色の背景で囲まれていますか？
  4. OUTPUT のすぐ下に表示されるテスト損失の値を確認します。この値は 1.0（損失が大きい）に近いですか、それとも 0（損失が小さい）に近いですか？
  5. [実行/一時停止] ボタンの左にある曲線矢印を押して、プレイグラウンドをリセットします。

タスク 2: 次の手順で、より優れたモデルを構築します。

  1. 5 つの可能な機能の任意の組み合わせを選択または選択解除します。
  2. 学習率を調整します。
  3. システムを少なくとも 500 エポックでトレーニングします。
  4. テスト損失の値を確認します。テスト損失を 0.2 未満にできますか？

ソリューションは Playground の下に表示されます。

前へ
特徴クロス（5 分）
次へ
理解度テスト（10 分）