Doğrusal regresyon: Eğim azalma alıştırması

Bu alıştırmada, Parametreler alıştırmasındaki yakıt verimliliği verilerinin grafiğini tekrar inceleyeceksiniz. Ancak bu kez, kaybı en aza indiren doğrusal bir model için optimum ağırlık ve önyargı değerlerini öğrenmek üzere gradyan azalma yöntemini kullanacaksınız.

Grafiğin altındaki üç görevi tamamlayın.

Bu etkileşimli görselleştirme, yüksek öğrenme hızına ayarlandığında yanıp sönen görseller üretebilir. Bu durum, ışığa duyarlı kişileri etkileyebilir.

1.görev: Grafiğin altındaki Öğrenme Hızı kaydırma çubuğunu 0,03 öğrenme hızını ayarlayacak şekilde düzenleyin. Gradyan inişini çalıştırmak için Başlat düğmesini tıklayın.

Model eğitiminin yakınsaması (kararlı bir minimum kayıp değerine ulaşması) ne kadar sürer? Model yakınsamasında MSE değeri nedir? Hangi ağırlık ve önyargı değerleri bu değeri oluşturur?

Çözümümüzü görmek için artı simgesini tıklayın.

Öğrenme hızını 0,03 olarak ayarladığımızda model yaklaşık 30 saniyede yakınlaştı ve sırasıyla -1,14 ve 20,389 ağırlık ve önyargı değerleriyle 2,67 MSE elde etti. Bu, iyi bir öğrenme hızı değeri seçtiğimizi gösterir.

2. görev: Grafikteki ağırlık ve önyargı değerlerini sıfırlamak için grafiğin altındaki Sıfırla düğmesini tıklayın. Öğrenme oranı kaydırma çubuğunu 1.10e^–5 civarında bir değere ayarlayın. Gradyan inişini çalıştırmak için Başlat düğmesini tıklayın.

Bu sefer model eğitiminin yakınsama süresi hakkında ne fark ettiniz?

Çözümü görmek için artı simgesini tıklayın.

Birkaç dakika sonra model eğitimi hâlâ yakınlaşmadı. Ağırlık ve önyargı değerlerinde yapılan küçük güncellemeler, kayıp değerlerinin biraz daha düşük olmasına neden olmaya devam ediyor. Bu, daha yüksek bir öğrenme hızı seçmenin, gradyan inişinin optimum ağırlık ve önyargı değerlerini daha hızlı bulmasını sağlayacağını gösterir.

3. görev: Grafikteki ağırlık ve önyargı değerlerini sıfırlamak için grafiğin altındaki Sıfırla düğmesini tıklayın. Öğrenme oranı kaydırma çubuğunu 1'e kadar ayarlayın. Gradyan inişini çalıştırmak için Başlat düğmesini tıklayın.

Gradyan inişi çalıştırılırken kayıp değerlerine ne olur? Model eğitimi bu sefer ne kadar sürede yakınlaşacak?

Çözümü görmek için artı simgesini tıklayın.

Kayıp değerleri, yüksek değerlerde (300'ün üzerinde MSE) büyük ölçüde dalgalanıyor. Bu, öğrenme hızının çok yüksek olduğunu ve model eğitiminin hiçbir zaman yakınsama noktasına ulaşamayacağını gösterir.