범주형 데이터: 특성 교차 연습

Playground는 머신러닝 모델 학습 및 테스트의 다양한 측면을 조작할 수 있는 대화형 애플리케이션입니다. 플레이그라운드를 사용하면 기능을 선택하고 초매개변수를 조정한 후 선택사항이 모델에 어떤 영향을 미치는지 확인할 수 있습니다.

이 페이지에는 두 가지 플레이그라운드 실습이 포함되어 있습니다.

연습 1: 기본 특성 교차

이 연습에서는 플레이그라운드의 다음 부분에 중점을 둡니다. 사용자 인터페이스:

  • 특성 아래에서 세 가지 잠재적인 모델 특성을 확인합니다. <ph type="x-smartling-placeholder">
      </ph>
    • x1
    • x2
    • x1x2
  • 출력 아래에는 주황색 파란색 점으로 표시됩니다. 주황색 점은 아픈 나무의 위치를, 파란색 점은 건강한 나무의 위치를 표시하는 정사각형 숲을 보고 있다고 가정해 보겠습니다.
  • FEATURES와 OUTPUT 사이를 자세히 보면 각 지형지물을 출력에 연결하는 희미한 점선이 세 개 보입니다. 각 점선의 너비는 현재 관련된 가중치를 나타냅니다. 살펴보겠습니다 각 지형지물의 시작 가중치는 0으로 초기화되므로 이러한 선은 매우 희미합니다. 두께가 커지거나 작아지면 선의 두께도 달라집니다.

작업 1: 다음을 수행하여 플레이그라운드를 살펴봅니다.

  1. 지형지물 x1을 출력에 연결하는 희미한 선을 클릭합니다. 팝업이 표시됩니다.
  2. 팝업에서 가중치 1.0를 입력합니다.
  3. Enter를 누릅니다.

다음 사항에 유의하세요.

  • x1의 점선은 가중치가 0에서 1.0으로 증가할수록 더 두꺼워집니다.
  • 이제 주황색과 파란색 배경이 표시됩니다.
    • 주황색 배경은 모델이 아픈 나무가 있는 위치를 추측한 것입니다.
    • 파란색 배경은 모델이 건강한 나무가 있는 위치를 추측한 것입니다. 모델의 성능이 좋지 않습니다. 모델 추측의 약 절반이 오답입니다.
  • 가중치는 x1의 경우 1.0이고 다른 특성의 경우 0이므로 모델은 x1의 값과 정확하게 일치합니다.

작업 2: 다음 세 가지 특성 중 일부 또는 전부의 가중치를 변경하여 모델 (배경색)이 아프거나 건강하다고 예측합니다 수 있습니다. 솔루션은 플레이그라운드 바로 아래에 표시됩니다.

연습 2: 더 정교한 특성 교차

두 번째 연습에서는 주황색 점 (병든 나무)의 배열 살펴보기 출력 모델에서 파란색 점 (건강한 나무)을 살펴보면 다음과 같은 사실을 알 수 있습니다.

  • 점들은 대략 구형의 패턴을 형성합니다.
  • 점의 배열이 노이즈가 많습니다. 예를 들어 주황색 점의 외부 구체에 파란색 점이 가끔 표시됩니다. 결과적으로 훌륭한 모델이라도 각 점을 정확하게 예측할 가능성이 낮습니다.

작업 1: 다음을 수행하여 플레이그라운드 UI를 살펴봅니다.

  1. 검은색 상자 안에 있는 흰색 삼각형인 실행/일시중지 버튼을 클릭합니다. 있습니다. 플레이그라운드에서 모델 학습을 시작합니다. 관찰 에포크 카운터가 증가하고 있습니다.
  2. 시스템이 300세대 이상 학습한 후 동일한 실행/일시중지 버튼을 눌러 학습을 일시중지합니다.
  3. 모델을 살펴보죠. 모델이 잘 예측하나요? 즉, 파란색 점이 일반적으로 파란색 배경으로 둘러싸여 있고 일반적으로 주황색 배경에 둘러싸여 있는 주황색 점들은 무엇입니까?
  4. OUTPUT 바로 아래에 표시되는 테스트 손실 값을 검토합니다. 이것은 1.0에 가까운 값 (손실이 높음) 또는 0에 가까울수록 (손실이 더 작음)?
  5. 실행/일시중지 버튼 왼쪽에 있는 곡선 화살표를 눌러 플레이그라운드를 재설정합니다.

작업 2: 다음을 실행하여 더 나은 모델을 만듭니다.

  1. 가능한 5가지 기능의 조합을 선택하거나 선택 해제합니다.
  2. 학습률을 조정합니다.
  3. 시스템을 500세대 이상 학습시킵니다.
  4. 테스트 손실 값을 검토합니다. 테스트 손실이 0.2 미만이 될 수 있나요?

솔루션은 플레이그라운드 아래에 표시됩니다.

이전
특성 교차 (5분)
다음
지식 테스트 (10분)