プレイグラウンドは、 インタラクティブなアプリケーションであり、 ML モデルのトレーニングとテストの 側面です Playground では、特徴を選択してハイパーパラメータを調整したり、 その選択がモデルにどのように影響するかを 確認します
このページには、プレイグラウンド演習が 2 つあります。
演習 1: 基本的な特徴クロスを行う
この演習では、プレイグラウンドの次の部分に焦点を当てます。 ユーザー インターフェース:
- [FEATURES] の下に、考えられる 3 つのモデルの特徴があります。
- 1 倍
- 2 倍
- 1×2
- [OUTPUT]の下にオレンジ色の正方形が表示されます 表示されます。たとえば四角い森の中で オレンジ色の点は病気の木の位置を示し、青い点は病気の木の位置を示します。 予測します。
- [FEATURES] と [OUTPUT] の間には、詳しく見ると、次の 3 つが表示されます。 各特徴を出力に接続する微妙な破線。 破線の幅は、現在関連付けられている重みを表しています。 学習しますこれらの線は、開始時の重みが 0 に初期化されます。体重が増減すると 線の太さによって変わります。
タスク 1: 次の手順でプレイグラウンドを確認します。
- 特徴 x1 を出力に接続する弱い線をクリックします。 ポップアップが表示されます。
- ポップアップで、重み
1.0を入力します。 - Enter キーを押します。
次の点に注意してください。
- x1 の破線は、重みが増加するにつれて太くなる 0 から 1.0 の範囲で設定できます
- オレンジ色と青色の背景が表示されます。
- オレンジ色の背景は、病気の木がどこにあったかをモデルが推測したものです。 説明します。
- 青い背景は、健全な木が生えている場所をモデルが推測した 説明します。 モデルの動作がひどいモデルの推測の約半分が、 間違いです
- x1 の重みは 1.0、その他の特徴の重みは 0 であるため、 モデルは x1 の値と完全に一致します。
タスク 2: 3 つの特徴のいずれかまたはすべての重みを変更して、 病気や健康状態の予測に成功する 学習します。解答はプレイグラウンドのすぐ下に表示されます。
演習 2: より高度な特徴クロスを行う
2 番目の演習では、オレンジ色のドット（病気の木）の配置を確認します。 出力モデルに青い点（正常なツリー）が表示され、次のことがわかります。
- ドットは、ほぼ球体のパターンを形成しています。
- ドットの配置はノイズが多くなっています。たとえば時折青い文字の オレンジ色の点の外側に点が入ります。そのため、たとえ優れたモデルであっても、 各ドットを正しく予測できる可能性は低くなります。
タスク 1: 次の手順で Playground UI を確認します。
- 黒い内部に白い三角形がある [Run/Pause] ボタンをクリックします。 クリックします。プレイグラウンドでモデルのトレーニングが開始されます。観察する エポックカウンタが増加します
- システムが少なくとも 300 エポックのトレーニングを終えたら、同じエポックを押してください。 トレーニングを一時停止する実行/一時停止ボタン。
- モデルを見てみます。モデルの予測は適切かつまり 通常は青い背景で囲まれた青い点であり、 オレンジ色の背景で囲まれているオレンジ色の点は何でしょうか。
- [出力] のすぐ下に表示されている [テスト損失] の値を調べます。これは どうすればよいでしょうか？
- プレイグラウンドをリセットするには、 実行/一時停止ボタン。
タスク 2: 以下の手順を行って、より優れたモデルを構築する。
- 5 つの機能のうち、任意の組み合わせを選択または選択解除します。
- 学習率を調整する。
- 少なくとも 500 エポックまでシステムをトレーニングします。
- テスト損失の値を調べる。テスト損失は 0.2 未満ですか。
ソリューションはプレイグラウンドの下に表示されます。