Playground to interaktywna aplikacja, która umożliwia manipulowanie różnymi aspektami trenowania i testowania modelu uczenia maszynowego. W Playground możesz wybierać funkcje i dostosowywać hiperparametry, a potem sprawdzać, jak Twoje wybory wpływają na model.
Na tej stronie znajdziesz 2 ćwiczenia z użyciem umieszczonych widżetów Playground pod instrukcjami.
Ćwiczenie 1. Podstawowy krzyż cech
W tym ćwiczeniu skup się na tych częściach interfejsu użytkownika Playground:
- W sekcji FUNKCJE zobaczysz 3 potencjalne funkcje modelu:
- x1
- x2
- x1x2
- Pod sekcją OUTPUT (WYJŚCIE) zobaczysz kwadrat z pomarańczowymi i niebieskimi kropkami. Wyobraź sobie kwadratowy las, w którym pomarańczowe kropki oznaczają położenie chorych drzew, a niebieskie – zdrowych.
- Między sekcjami FEATURES i OUTPUT, jeśli przyjrzysz się uważnie, zobaczysz 3 słabo widoczne linie przerywane łączące każdą cechę z wynikiem. Szerokość każdej linii przerywanej symbolizuje wagę przypisaną obecnie do każdej funkcji. Te linie są bardzo słabo widoczne, ponieważ waga początkowa każdej cechy jest ustawiona na 0. Wraz ze wzrostem lub spadkiem wagi zmienia się grubość tych linii.
Zadanie 1. Poznaj Playground, wykonując te czynności:
- Kliknij cienką linię łączącą cechę x1 z danymi wyjściowymi. Pojawi się wyskakujące okienko.
- W wyskakującym okienku wpisz wagę
1.0. - Naciśnij Enter.
Zwróć uwagę na te kwestie:
- Linia przerywana dla x1 staje się grubsza, gdy waga wzrasta od 0 do 1,0.
- Pojawi się pomarańczowo-niebieskie tło.
- Pomarańczowe tło to przypuszczenia modelu dotyczące lokalizacji chorych drzew.
- Niebieskie tło to przewidywania modelu dotyczące lokalizacji zdrowych drzew. Model działa bardzo źle. Około połowa jego prognoz jest błędna.
- Waga wynosi 1,0 w przypadku x1 i 0 w przypadku pozostałych cech, więc model dokładnie dopasowuje wartości x1.
Zadanie 2: zmień wagi dowolnych lub wszystkich 3 cech, aby model (kolory tła) poprawnie przewidywał chore i zdrowe drzewa. Rozwiązanie pojawi się tuż pod Playgroundem.
Ćwiczenie 2. Bardziej zaawansowana krzyżówka cech
W drugim ćwiczeniu przyjrzyj się rozmieszczeniu pomarańczowych kropek (chore drzewa) i niebieskich kropek (zdrowe drzewa) w modelu wyjściowym i zwróć uwagę na te kwestie:
- Kropki tworzą mniej więcej kuliste wzory.
- Rozmieszczenie kropek jest chaotyczne. Na przykład w zewnętrznej sferze pomarańczowych kropek widać niekiedy niebieskie kropki. W związku z tym nawet świetny model prawdopodobnie nie będzie w stanie prawidłowo przewidzieć każdego punktu.
Zadanie 1. Poznaj interfejs narzędzia Playground, wykonując te czynności:
- Kliknij przycisk Uruchom/Wstrzymaj, który jest białym trójkątem w czarnym okręgu. Playground rozpocznie trenowanie modelu. Obserwuj rosnącą liczbę epok.
- Gdy system zostanie wytrenowany przez co najmniej 300 epok, naciśnij ten sam przycisk Uruchom/Wstrzymaj, aby wstrzymać trenowanie.
- Przyjrzyj się modelowi. Czy model generuje trafne prognozy? Innymi słowy, czy niebieskie kropki są zwykle otoczone niebieskim tłem, a pomarańczowe kropki – pomarańczowym tłem?
- Sprawdź wartość Test loss, która pojawia się tuż pod OUTPUT. Czy ta wartość jest bliższa 1,0 (większa strata) czy 0 (mniejsza strata)?
- Zresetuj Playground, naciskając zakrzywioną strzałkę po lewej stronie przycisku Uruchom/Wstrzymaj.
Zadanie 2. Zbuduj lepszy model, wykonując te czynności:
- Wybierz lub odznacz dowolną kombinację 5 możliwych funkcji.
- Dostosuj szybkość uczenia się.
- Trenuj system przez co najmniej 500 epok.
- Sprawdź wartość Test loss (Strata testowa). Czy można uzyskać utratę testową mniejszą niż 0,2?
Rozwiązania pojawią się pod Playgroundem.