ข้อมูลเชิงหมวดหมู่: แสดงการออกกำลังกายแบบข้ามกลุ่ม

Playground เป็น แอปพลิเคชันแบบอินเทอร์แอกทีฟที่ให้คุณจัดการ ในการฝึกอบรมและทดสอบโมเดลแมชชีนเลิร์นนิง เพลย์กราวด์ช่วยให้คุณเลือกฟีเจอร์และปรับไฮเปอร์พารามิเตอร์ได้ แล้วดูว่าตัวเลือกของคุณส่งผลต่อโมเดลอย่างไร

หน้านี้มีแบบฝึกหัด Playground 2 ข้อ

แบบฝึกหัด 1: ไม้กางเขนแบบพื้นฐาน

สําหรับแบบฝึกหัดนี้ ให้มุ่งเน้นที่ส่วนต่อไปนี้ของอินเทอร์เฟซผู้ใช้ใน Playground

  • ในส่วน "ฟีเจอร์" ให้สังเกตฟีเจอร์ของโมเดลที่เป็นไปได้ 3 รายการต่อไปนี้
    • 1
    • 2
    • X1 X 2
  • ใต้ OUTPUT คุณจะเห็นสี่เหลี่ยมจัตุรัสที่มีสีส้ม และจุดสีน้ำเงิน ลองจินตนาการว่าคุณกำลังมองดูป่ารูปสี่เหลี่ยม จุดสีส้มแสดงถึงตำแหน่งของต้นไม้ที่ป่วย และจุดสีน้ำเงินแสดงถึง ตำแหน่งของต้นไม้ที่แข็งแรง
  • ระหว่างคุณลักษณะและ OUTPUT ถ้ามองให้ไกล คุณจะเห็น เส้นประสีจางๆ ที่เชื่อมต่อแต่ละฟีเจอร์กับเอาต์พุต ความกว้างของเส้นประแต่ละเส้นแสดงถึงน้ำหนักที่สัมพันธ์กับปัจจุบัน กับแต่ละฟีเจอร์ เส้นเหล่านี้จางลงมากเพราะน้ำหนักเริ่มต้น สำหรับแต่ละฟีเจอร์มีค่าเริ่มต้นเป็น 0 เมื่อน้ำหนักเพิ่มขึ้นหรือลดลง ดังนั้น ความหนาของเส้นเหล่านี้

งาน 1: สำรวจ Playground โดยทําดังนี้

  1. คลิกเส้นเล็กๆ ที่เชื่อมต่อฟีเจอร์ x1 กับเอาต์พุต ป๊อปอัปจะปรากฏขึ้น
  2. ป้อนน้ำหนัก 1.0 ในป๊อปอัป
  3. กด Enter

โปรดสังเกตสิ่งต่อไปนี้

  • เส้นประสําหรับ x1 จะหนาขึ้นเมื่อน้ำหนักเพิ่มขึ้นจาก 0 เป็น 1.0
  • พื้นหลังสีส้มและน้ำเงินจะปรากฏขึ้น
    • พื้นหลังสีส้มเป็นการเดาตำแหน่งของต้นไม้ที่ป่วย
    • พื้นหลังสีฟ้าคือการคาดเดาของโมเดลว่าต้นไม้ที่มีสุขภาพดีตรงไหน โมเดลทำงานได้แย่มาก การคาดเดาของโมเดลประมาณครึ่งหนึ่งนั้นไม่ถูกต้อง
  • เนื่องจากน้ำหนักของ x1 คือ 1.0 และของฟีเจอร์อื่นๆ คือ 0 โมเดลจึงจับคู่ค่าของ x1 ได้อย่างตรงที่สุด

งาน 2: เปลี่ยนน้ำหนักของฟีเจอร์ทั้ง 3 รายการหรือรายการใดรายการหนึ่งเพื่อให้โมเดล (สีพื้นหลัง) คาดการณ์ต้นไม้ที่ป่วยและต้นไม้ที่แข็งแรงได้สําเร็จ โซลูชันจะปรากฏใต้ Playground

แบบฝึกหัด 2: กากบาทฟีเจอร์ที่มีความซับซ้อนมากขึ้น

สำหรับแบบฝึกหัดที่สอง ให้ดูที่การจัดเรียงจุดสีส้ม (ต้นไม้ป่วย) และจุดสีน้ำเงิน (ต้นไม้ที่มีสุขภาพดี) ในโมเดลเอาต์พุต สังเกตเห็นสิ่งต่อไปนี้:

  • จุดจะอยู่ในรูปแบบ 360 องศาคร่าวๆ
  • การจัดเรียงจุดมีเสียงดัง ตัวอย่างเช่น สังเกตการณ์สีน้ำเงิน จุดในทรงกลมด้านนอกของจุดสีส้ม ดังนั้น แม้แต่โมเดลที่ยอดเยี่ยมก็อาจคาดการณ์จุดแต่ละจุดได้อย่างไม่ถูกต้อง

งาน 1: สำรวจ UI ของ Playground โดยทําดังนี้

  1. คลิกปุ่มเรียกใช้/หยุดชั่วคราว ซึ่งเป็นรูปสามเหลี่ยมสีขาวภายในกรอบสีดำ Playground จะเริ่มฝึกโมเดล สังเกตการณ์ ตัวนับ Epoch จะเพิ่มขึ้น
  2. หลังจากที่ระบบฝึกฝนเป็นเวลาอย่างน้อย 300 Epoch แล้ว ให้กด ปุ่มเรียกใช้/หยุดชั่วคราวเพื่อหยุดการฝึกชั่วคราว
  3. ดูที่โมเดล โมเดลทำการคาดการณ์ได้ดีไหม กล่าวคือ จุดสีน้ำเงินมักจะล้อมรอบด้วยพื้นหลังสีน้ำเงิน และจุดสีส้มมักจะล้อมรอบด้วยพื้นหลังสีส้มใช่ไหม
  4. ตรวจสอบค่าของ Test loss ซึ่งปรากฏอยู่ใต้ OUTPUT ค่านี้อยู่ใกล้กับ 1.0 (การสูญเสียสูงกว่า) หรือใกล้กับ 0 (การสูญเสียต่ำกว่า)
  5. รีเซ็ต Playground โดยการกดลูกศรโค้งทางด้านซ้ายของ ปุ่มเรียกใช้/หยุดชั่วคราว

งานที่ 2: สร้างโมเดลที่ดีขึ้นโดยดำเนินการดังนี้

  1. เลือกหรือยกเลิกการเลือกชุดค่าผสมของฟีเจอร์ที่เป็นไปได้ 5 แบบ
  2. ปรับอัตราการเรียนรู้
  3. ฝึกระบบอย่างน้อย 500 อีพอค
  4. ตรวจสอบค่าของการเสียการทดสอบ คุณลดการสูญเสียในการทดสอบให้น้อยกว่า 0.2 ได้ไหม

โซลูชันจะปรากฏใต้ Playgroud

ก่อนหน้า
ทางแยก (5 นาที)
ถัดไป
ทดสอบความรู้ (10 นาที)