อัตราการเรียนรู้และการบรรจบกัน
นี่เป็นแบบฝึกหัดแรกจากหลายๆ แบบฝึกหัดของ Playground Playground เป็นโปรแกรมที่พัฒนาขึ้นมาสำหรับหลักสูตรนี้เพื่อสอนหลักการของแมชชีนเลิร์นนิงโดยเฉพาะ แบบฝึกหัดใน Playground แต่ละครั้งในหลักสูตรนี้จะมีอินสแตนซ์สนามเด็กเล่นแบบฝัง ที่มีค่าที่กำหนดล่วงหน้า
แบบฝึกหัดใน Playground แต่ละครั้งจะสร้างชุดข้อมูล ป้ายกำกับสำหรับชุดข้อมูลนี้มีค่าที่เป็นไปได้ 2 ค่า คุณอาจมองว่าค่า 2 อย่างนี้เป็นสแปมกับไม่ใช่สแปม หรือต้นไม้ที่แข็งแรงดีกับต้นไม้ที่ป่วย เป้าหมายของการออกกำลังกายส่วนใหญ่คือการปรับแต่งไฮเปอร์พารามิเตอร์ต่างๆ เพื่อสร้างโมเดลที่จำแนก (แยกหรือแยก) ค่าป้ายกำกับหนึ่งออกจากอีกป้ายกำกับได้สำเร็จ โปรดทราบว่าชุดข้อมูลส่วนใหญ่มีเสียงรบกวนจำนวนหนึ่งที่จะทำให้จัดประเภทตัวอย่างทั้งหมดไม่สำเร็จ
คลิกไอคอนบวกเพื่อดูคำอธิบายภาพโมเดล
แบบฝึกหัด Playground แต่ละท่าจะแสดงภาพสถานะปัจจุบันของโมเดล ลองดูภาพตัวอย่างด้านล่างนี้
โปรดทราบข้อมูลต่อไปนี้เกี่ยวกับการแสดงภาพโมเดล
- แต่ละแกนแสดงฟีเจอร์เฉพาะ ในกรณีของจดหมายขยะและไม่ใช่จดหมายขยะ ฟีเจอร์อาจเป็นจำนวนคำและจำนวนผู้รับอีเมล
- แต่ละจุดจะแสดงค่าฟีเจอร์สำหรับข้อมูล 1 ตัวอย่าง เช่น อีเมล
- สีของจุดแสดงถึงคลาสของตัวอย่าง เช่น จุดสีน้ำเงินอาจหมายถึงอีเมลที่ไม่ใช่สแปม ในขณะที่จุดสีส้มอาจหมายถึงอีเมลสแปม
- สีพื้นหลังแสดงถึงการคาดการณ์ของโมเดลว่าควรพบตัวอย่างของสีใด พื้นหลังสีน้ำเงินรอบจุดสีน้ำเงินหมายความว่าโมเดลคาดการณ์ตัวอย่างนั้นอย่างถูกต้อง ในทางกลับกัน พื้นหลังสีส้มรอบจุดสีน้ำเงินหมายความว่าโมเดลคาดการณ์ตัวอย่างนั้นไม่ถูกต้อง
- พื้นหลังเป็นสีฟ้าและส้มมีการปรับขนาด เช่น ด้านซ้ายของภาพเป็นสีน้ำเงินทึบ แต่จะค่อยๆ จางเป็นสีขาวที่กึ่งกลางภาพ คุณอาจคิดว่าความแรงของสีเป็นตัวบ่งชี้ความเชื่อมั่นของโมเดลในการคาดเดา สีน้ำเงินทึบหมายความว่าโมเดลมั่นใจมากในการคาดเดา และสีฟ้าอ่อนหมายความว่าโมเดลมีความมั่นใจน้อยลง (การแสดงภาพโมเดลที่แสดงในรูปนี้คาดการณ์ได้ไม่ดี)
ใช้การแสดงภาพเพื่อประเมินความคืบหน้าของโมเดล ("ยอดเยี่ยม จุดสีน้ำเงินส่วนใหญ่มีพื้นหลังสีน้ำเงิน" หรือ "ไม่นะ! โดยจุดสีน้ำเงินจะมีพื้นหลังสีส้ม") นอกเหนือจากสีแล้ว Playground ยังแสดงการสูญเสียในปัจจุบันของโมเดลเป็นตัวเลขด้วย ("ไม่นะ! การสูญเสียเป็นมากขึ้นแทนที่จะลดลง")
อินเทอร์เฟซสำหรับแบบฝึกหัดนี้จะมี 3 ปุ่ม ดังนี้
| Icon | ชื่อ | จุดประสงค์ในการใช้ |
|---|---|---|
|
รีเซ็ต | รีเซ็ตการทำซ้ำเป็น 0 รีเซ็ตน้ำหนักที่โมเดลเรียนรู้ไปแล้ว |
|
ขั้นตอน | ทำซ้ำ 1 ครั้ง การทำซ้ำๆ แต่ละครั้งทำให้โมเดลเปลี่ยนแปลงไป ซึ่งบางครั้งก็เป็นไปได้ยากและบางครั้งก็เกิดขึ้นมาก |
|
สร้างใหม่ | สร้างชุดข้อมูลใหม่ ไม่รีเซ็ตการทำซ้ำ |
ในแบบฝึกหัด Playground แรกนี้ คุณจะได้ทดสอบ อัตราการเรียนรู้โดยการดำเนินการ 2 อย่าง
งานที่ 1: สังเกตเมนูอัตราการเรียนรู้ที่ด้านขวาบนของ Playground อัตราการเรียนรู้ที่ระบุ 3 สูงมาก สังเกตว่าอัตราการเรียนรู้สูงส่งผลต่อโมเดลของคุณอย่างไรโดยคลิกปุ่ม "ขั้นตอน" 10 หรือ 20 ครั้ง หลังการปรับปรุงล่วงหน้าแต่ละครั้ง ให้สังเกตว่าภาพ โมเดลเปลี่ยนแปลงไปอย่างมาก คุณอาจเห็นความไม่เสถียรบ้างหลังจากที่โมเดลดูเหมือนมีการเกิด Conversion นอกจากนี้ให้สังเกตบรรทัดที่ทำงานตั้งแต่ x1 และ x2 ไปยังการแสดงภาพโมเดล น้ำหนักของเส้นเหล่านี้จะระบุน้ำหนักของจุดสนใจเหล่านั้นในรูปแบบ เส้นหนาแสดงว่ามีน้ำหนักสูง
งานที่ 2: ทำสิ่งต่อไปนี้
- กดปุ่มรีเซ็ต
- ลดอัตราการเรียนรู้
- กดปุ่มขั้นตอนหลายๆ ครั้ง
อัตราการเรียนรู้ที่ต่ำลงส่งผลต่อการลู่เข้าอย่างไร ตรวจสอบทั้งจำนวนขั้นตอนที่ต้องใช้เพื่อให้โมเดลมาบรรจบกัน และตรวจสอบว่าโมเดลบรรจบกันอย่างราบรื่นและมั่นคงเพียงใด ทดสอบกับค่าอัตราการเรียนรู้ ที่ต่ำลงไปอีก คุณพบว่าอัตราการเรียนรู้ช้าเกินกว่าที่จะเป็นประโยชน์หรือไม่ (คุณจะพบการสนทนา ที่ด้านล่างของแบบฝึกหัด)