Playground es una aplicación interactiva que te permite manipular diversos del entrenamiento y las pruebas de un modelo de aprendizaje automático. Con Playground, puedes seleccionar atributos y ajustar hiperparámetros, y, luego, descubrir cómo tus elecciones influyen en un modelo.
Esta página contiene dos ejercicios de Playground.
Ejercicio 1: Una combinación de atributos básica
Para este ejercicio, enfócate en las siguientes partes de Playground interfaz de usuario:
- Debajo de FEATURES, observa las tres posibles características del modelo:
- x1
- x2
- x1x2
- Debajo de SALIDA, verás un cuadrado con texto naranja. y los puntos azules. Imagina que estás mirando un bosque cuadrado, donde los puntos anaranjados marcan la posición de los árboles enfermos y los puntos azules marcan la posición de árboles sanos.
- Entre FEATURES y OUTPUT, si observas con atención, verás tres líneas discontinuas que conectan cada función con el resultado. El ancho de cada línea punteada simboliza el peso asociado actualmente con cada componente. Estas líneas son muy débiles porque el peso inicial para cada atributo se inicializa en 0. A medida que el peso aumenta o disminuye, también lo hará el grosor de estas líneas.
Tarea 1: Explora Playground de la siguiente manera:
- Haz clic en la línea tenue que conecta el componente x1 con el resultado. Aparecerá una ventana emergente.
- En la ventana emergente, ingresa el peso
1.0. - Presiona Intro.
Observa lo siguiente:
- La línea punteada de x1 se vuelve más gruesa a medida que aumenta el peso. de 0 a 1.0.
- Ahora aparece un fondo naranja y azul.
- El fondo naranja son las conjeturas del modelo sobre dónde se encuentran los árboles enfermos.
- El fondo azul son las suposiciones del modelo sobre dónde están los árboles sanos en la nube. El modelo está haciendo un trabajo muy terrible. aproximadamente la mitad de las suposiciones está mal.
- Debido a que el peso es 1.0 para x1 y 0 para los otros atributos, el modelo coincide exactamente con los valores de x1.
Tarea 2: Cambia las ponderaciones de alguno o todos los atributos para que las modelo (los colores de fondo) predice de manera correcta los síntomas de enfermedad y salud árboles. La solución aparece debajo de Playground.
Ejercicio 2: Una combinación de atributos más sofisticada
Para el segundo ejercicio, observa la disposición de los puntos naranjas (árboles enfermos) y los puntos azules (árboles sanos) en el modelo de salida y observa lo siguiente:
- Los puntos forman patrones más o menos esféricos.
- La disposición de los puntos es ruidosa. Por ejemplo, observa los puntos azules ocasionales en la esfera exterior de puntos anaranjados. Por lo tanto, incluso un gran modelo es poco probable que prediga correctamente cada punto.
Tarea 1: Explora la IU de Playground de la siguiente manera:
- Haz clic en el botón Ejecutar/Pausar, que es un triángulo blanco dentro de un círculo negro. Playground comenzará a entrenar el modelo. Observa que el contador de épocas aumenta.
- Después de que el sistema haya entrenado durante al menos 300 épocas, presiona ese mismo botón para pausar el entrenamiento.
- Observa el modelo. ¿El modelo realiza buenas predicciones? En otras palabras, ¿los puntos azules suelen estar rodeados de un fondo azul y los puntos naranjas suelen estar rodeados de un fondo naranja?
- Examina el valor de pérdida de prueba, que aparece justo debajo de OUTPUT. ¿Este valor está más cerca de 1.0 (pérdida más alta) o de 0 (pérdida más baja)?
- Restablece Playground presionando la flecha curva ubicada a la izquierda de Botón Ejecutar/Pausar.
Tarea 2: Para compilar un mejor modelo, haz lo siguiente:
- Selecciona o anula la selección de cualquier combinación de los cinco atributos posibles.
- Ajusta la tasa de aprendizaje.
- Entrena el sistema durante, al menos, 500 épocas.
- Examina el valor de la pérdida de prueba. ¿Puedes obtener una pérdida de prueba inferior a 0.2?
Las soluciones aparecen debajo de Playground.