O Playground é um aplicativo interativo que permite manipular vários aspectos do treinamento e do teste de um modelo de machine learning. Com o Playground, é possível selecionar recursos e ajustar hiperparâmetros, e depois descobrir como suas escolhas influenciam um modelo.
Esta página contém dois exercícios usando os widgets do Playground incorporados abaixo das instruções.
Exercício 1: um cruzamento de atributos básico
Para este exercício, concentre-se nas seguintes partes da interface do usuário do Playground:
- Em "RECURSOS", observe os três recursos possíveis do modelo:
- x1
- x2
- x1x2
- Abaixo de OUTPUT, você vai encontrar um quadrado com pontos laranja e azuis. Imagine que você está olhando para uma floresta quadrada, em que pontos laranjas marcam a posição de árvores doentes e pontos azuis marcam a posição de árvores saudáveis.
- Entre FEATURES e OUTPUT, se você olhar com atenção, verá três linhas tracejadas fracas conectando cada recurso à saída. A largura de cada linha tracejada simboliza o peso associado a cada recurso. Essas linhas são muito fracas porque o peso inicial de cada recurso é inicializado como 0. Conforme o peso aumenta ou diminui, a espessura dessas linhas também muda.
Tarefa 1:conheça o Playground fazendo o seguinte:
- Clique na linha fraca que conecta o recurso x1 à saída. Um pop-up vai aparecer.
- No pop-up, insira o peso
1.0. - Pressione Enter.
Confira se:
- A linha tracejada para x1 fica mais grossa à medida que o peso aumenta de 0 para 1,0.
- Um fundo laranja e azul vai aparecer.
- O plano de fundo laranja são as estimativas do modelo sobre a localização das árvores doentes.
- O plano de fundo azul são as estimativas do modelo sobre a localização das árvores saudáveis. O modelo está fazendo um trabalho ruim. Cerca de metade das previsões dele está errada.
- Como o peso é 1,0 para x1 e 0 para os outros atributos, o modelo corresponde exatamente aos valores de x1.
Tarefa 2:mude os pesos de qualquer uma ou de todas as três variáveis para que o modelo (as cores de plano de fundo) preveja com sucesso as árvores doentes e saudáveis. A solução aparece logo abaixo do Playground.
Exercício 2: um cruzamento de atributos mais sofisticado
Para o segundo exercício, observe a disposição dos pontos laranjas (árvores doentes) e azuis (árvores saudáveis) no modelo de saída, observando o seguinte:
- Os pontos formam padrões aproximadamente esféricos.
- A disposição dos pontos é ruidosa. Por exemplo, observe os pontos azuis ocasionais na esfera externa de pontos laranjas. Consequentemente, mesmo um ótimo modelo dificilmente vai prever corretamente cada ponto.
Tarefa 1:conheça a interface do playground fazendo o seguinte:
- Clique no botão "Executar/Pausar", que é um triângulo branco dentro de um círculo preto. O Playground vai começar a treinar o modelo. Observe o aumento do contador de épocas.
- Depois que o sistema for treinado por pelo menos 300 épocas, pressione o mesmo botão Executar/Pausar para pausar o treinamento.
- Analise o modelo. O modelo está fazendo boas previsões? Em outras palavras, os pontos azuis geralmente estão cercados por um fundo azul, e os pontos laranjas geralmente estão cercados por um fundo laranja?
- Examine o valor da perda do teste, que aparece logo abaixo de OUTPUT. Esse valor está mais perto de 1,0 (perda maior) ou de 0 (perda menor)?
- Para redefinir o Playground, pressione a seta curva à esquerda do botão Executar/Pausar.
Tarefa 2:crie um modelo melhor fazendo o seguinte:
- Marque ou desmarque qualquer combinação dos cinco recursos possíveis.
- Ajuste a taxa de aprendizado.
- Treine o sistema por pelo menos 500 épocas.
- Examine o valor da perda de teste. Você consegue uma perda de teste menor que 0,2?
As soluções aparecem abaixo do Playground.