分类数据：特征组合练习

Playground 是一个交互式应用，可让您操控机器学习模型训练和测试的各个方面。借助 Playground，您可以选择特征并调整超参数，然后了解您的选择对模型有何影响。

本页包含两个 Playground 练习。

练习 1：基本特征组合

对于本练习，请重点关注 Playground 界面的以下部分：

• 在“特征”下方，请注意三个可能的模型特征：
  • x₁
  • x₂
  • x₁x₂
• 在“输出”下方，您会看到一个包含橙点和蓝点的方块。假设您正在看一个方形森林，其中橙色圆点标记了患病树的位置，蓝色圆点标记了健康树的位置。
• 如果您仔细观察“特征”和“输出”之间的区域，会看到三条细小的虚线，它们将每个特征与输出连接起来。 每条虚线的宽度表示当前与每个地图项关联的权重。这些线条非常细微，因为每个特征的初始权重都初始化为 0。随着粗细度的增大或缩小，这些线条的粗细度也会随之增大或缩小。

任务 1：执行以下操作，探索 Playground：

1. 点击将特征 x₁ 连接到输出的细线。系统随即会显示一个弹出式窗口。
2. 在弹出式窗口中，输入重量 1.0。
3. 按 Enter 键。

请注意以下几点：

• 随着权重从 0 增加到 1.0，x₁ 的虚线会变粗。
• 现在，系统会显示一个橙色和蓝色的背景。
  • 橙色背景是模型对患病树木位置的猜测。
  • 蓝色背景是模型对健康树木所在位置的猜测。模型的表现非常糟糕；大约一半的猜测结果都是错误的。
• 由于 x₁ 的权重为 1.0，而其他特征的权重为 0，因此该模型会与 x₁ 的值完全匹配。

任务 2：更改三个特征中的任一特征或所有特征的权重，使模型（背景颜色）成功预测出哪些树是健康的，哪些树是生病的。解决方案会显示在 Kotlin 园地下方。

---

---

点击此处查看任务 2 的解决方案

• w₁ = 0
• w₂ = 0
• x₁ x₂ = 任何正值

出于好奇，如果您为地图项交叉输入负值，会发生什么情况？

练习 2：更复杂的特征组合

对于第二个练习，请查看输出模型中橙色圆点（生病的树）和蓝色圆点（健康的树）的排列方式，并注意以下几点：

• 这些点形成大致球形的图案。
• 点的排列很杂乱；例如，请注意橙点外圈偶尔会出现蓝点。因此，即使是出色的模型，也不可能正确预测每个数据点。

任务 1：执行以下操作，探索 Playground 界面：

1. 点击“运行/暂停”按钮，该按钮是一个黑色圆圈内白色三角形。Playground 将开始训练模型；观察“Epochs”计数器的增加情况。
2. 在系统训练至少 300 个周期后，按同一“运行/暂停”按钮可暂停训练。
3. 查看模型。模型的预测结果准确吗？换句话说，蓝点通常是蓝色背景环绕，橙点通常是橙色背景环绕吗？
4. 检查“输出”下方的“测试损失”值。此值是更接近 1.0（损失更高）还是更接近 0（损失更低）？
5. 按“运行/暂停”按钮左侧的弯曲箭头，重置 Playground。

任务 2：通过以下操作构建更好的模型：

1. 选择或取消选择五种可能的功能的任意组合。
2. 调整学习速率。
3. 至少训练系统 500 个周期。
4. 检查“测试损失”的值。您能否将测试损失降低到 0.2 以下？

解决方案会显示在 Kotlin 园地下方。

---

---

点击此处查看任务 1 的解决方案

模型很糟糕。例如，请注意许多橙色圆点都漂浮在蓝色的海洋中。此外，测试损失非常高。

点击此处查看任务 2 的解决方案

您可以通过以下方式提高模型性能：

• 选择两个多项式转换（x₁² 和 x₂²），然后取消选择其他三个可能的特征。
• 将学习速率降低到 0.001 或更低。