범주형 데이터: 특성 교차 연습

Playground는 머신러닝 모델의 학습 및 테스트의 다양한 측면을 조작할 수 있는 대화형 애플리케이션입니다. Playground를 사용하면 기능을 선택하고 초매개변수를 조정하여 선택사항이 모델에 어떤 영향을 미치는지 확인할 수 있습니다.

이 페이지에는 안내 아래에 있는 내장 Playground 위젯을 사용하는 두 가지 연습이 포함되어 있습니다.

연습 1: 기본 특성 교차

이 연습에서는 플레이그라운드 사용자 인터페이스의 다음 부분에 중점을 둡니다.

  • 기능 아래에 세 가지 잠재적 모델 기능이 표시됩니다.
    • x1
    • x2
    • x1x2
  • OUTPUT 아래에 주황색 점과 파란색 점이 포함된 정사각형이 표시됩니다. 주황색 점은 병든 나무의 위치를 표시하고 파란색 점은 건강한 나무의 위치를 표시하는 정사각형 숲을 생각해 보세요.
  • 기능과 출력 사이에 자세히 보면 각 기능을 출력에 연결하는 세 개의 희미한 점선이 표시됩니다. 각 점선의 너비는 현재 각 기능과 연결된 가중치를 나타냅니다. 각 기능의 시작 가중치가 0으로 초기화되므로 이러한 선은 매우 희미합니다. 가중치가 커지거나 작아지면 이 선의 두께도 커지거나 작아집니다.

작업 1: 다음을 실행하여 Playground를 살펴봅니다.

  1. 특성 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 증가함에 따라 더 두꺼워집니다.
  • 이제 주황색과 파란색 배경이 표시됩니다.
    • 주황색 배경은 병든 나무가 있는 위치에 대한 모델의 추측입니다.
    • 파란색 배경은 건강한 나무가 있는 위치에 대한 모델의 추측입니다. 모델이 끔찍한 작업을 수행하고 있습니다. 모델의 추측 중 절반 정도가 틀립니다.
  • x1의 가중치는 1.0이고 다른 특성의 가중치는 0이므로 모델은 x1의 값과 정확히 일치합니다.

작업 2: 모델 (배경색)이 병든 나무와 건강한 나무를 성공적으로 예측할 수 있도록 세 가지 특징 중 일부 또는 전부의 가중치를 변경합니다. 솔루션은 Playground 바로 아래에 표시됩니다.

연습 2: 더 정교한 특성 교차

두 번째 연습에서는 출력 모델에서 주황색 점 (병든 나무)과 파란색 점 (건강한 나무)의 배열을 살펴보고 다음 사항을 확인합니다.

  • 점이 대략 구형 패턴을 형성합니다.
  • 점의 배열이 복잡합니다. 예를 들어 주황색 점의 바깥쪽 구에 파란색 점이 가끔 나타납니다. 따라서 아무리 뛰어난 모델이라도 각 점을 정확하게 예측할 가능성은 낮습니다.

작업 1: 다음을 실행하여 Playground UI를 살펴봅니다.

  1. 검은색 원 안에 있는 흰색 삼각형인 실행/일시중지 버튼을 클릭합니다. Playground에서 모델 학습을 시작합니다. Epochs 카운터가 증가하는 것을 확인합니다.
  2. 시스템이 300세대 이상 학습한 후 동일한 실행/일시중지 버튼을 눌러 학습을 일시중지합니다.
  3. 모델을 살펴봅니다. 모델이 예측을 잘 수행하고 있나요? 즉, 파란색 점은 일반적으로 파란색 배경으로 둘러싸여 있고 주황색 점은 일반적으로 주황색 배경으로 둘러싸여 있나요?
  4. OUTPUT 바로 아래에 표시되는 테스트 손실 값을 검사합니다. 이 값이 1.0 (손실이 높음)에 가까운가요 아니면 0 (손실이 낮음)에 가까운가요?
  5. 실행/일시중지 버튼 왼쪽에 있는 곡선 화살표를 눌러 Playground를 재설정합니다.

작업 2: 다음을 실행하여 더 나은 모델을 빌드합니다.

  1. 가능한 5가지 기능의 조합을 선택하거나 선택 해제합니다.
  2. 학습률을 조정합니다.
  3. 시스템을 500세대 이상 학습시킵니다.
  4. 테스트 손실 값을 확인합니다. 테스트 손실을 0.2 미만으로 만들 수 있나요?

솔루션은 Playground 아래에 표시됩니다.

이전
특성 교차 (5분)
다음
지식 테스트 (10분)