Playground یک برنامه تعاملی است که به شما امکان می دهد جنبه های مختلف آموزش و آزمایش یک مدل یادگیری ماشین را دستکاری کنید. با Playground، می‌توانید ویژگی‌ها را انتخاب کنید و فراپارامترها را تنظیم کنید، و سپس کشف کنید که چگونه انتخاب‌های شما بر یک مدل تأثیر می‌گذارد.
این صفحه شامل دو تمرین زمین بازی است.
تمرین 1: تلاقی ویژگی های اساسی
برای این تمرین، روی بخش‌های زیر از رابط کاربری Playground تمرکز کنید:
- در زیر ویژگی ها، به سه ویژگی بالقوه مدل توجه کنید:
- x 1
- x 2
- x 1 x 2
- در زیر OUTPUT، یک مربع حاوی نقاط نارنجی و آبی خواهید دید. تصور کنید که به یک جنگل مربع نگاه می کنید، جایی که نقاط نارنجی نشان دهنده موقعیت درختان بیمار و نقاط آبی رنگ موقعیت درختان سالم را نشان می دهد.
- بین FEATURES و OUTPUT، اگر خیلی دقیق نگاه کنید، سه خط چین ضعیف را خواهید دید که هر ویژگی را به خروجی متصل می کند. عرض هر خط چین نماد وزنی است که در حال حاضر با هر ویژگی مرتبط است. این خطوط بسیار کم رنگ هستند زیرا وزن اولیه برای هر ویژگی به 0 مقداردهی می شود. با افزایش وزن یا کوچک شدن وزن، ضخامت این خطوط نیز افزایش می یابد.
وظیفه 1: زمین بازی را با انجام کارهای زیر کاوش کنید:
- روی خط ضعیفی که ویژگی x 1 را به خروجی متصل می کند کلیک کنید. یک پنجره بازشو ظاهر می شود.
- در پنجره بازشو، وزن
1.0را وارد کنید. - Enter را فشار دهید.
به موارد زیر توجه کنید:
- خط چین برای x 1 با افزایش وزن از 0 به 1.0 ضخیم تر می شود.
- اکنون یک پس زمینه نارنجی و آبی ظاهر می شود.
- پس زمینه نارنجی حدس مدل است که درختان بیمار کجا هستند.
- پس زمینه آبی حدس مدل است که درختان سالم کجا هستند. مدل کار وحشتناکی انجام می دهد. حدود نیمی از حدس های مدل اشتباه است.
- از آنجایی که وزن برای x 1 1.0 و برای سایر ویژگی ها 0 است، مدل دقیقاً با مقادیر x 1 مطابقت دارد.
وظیفه 2: وزن هر یک یا هر سه ویژگی را تغییر دهید تا مدل (رنگ های پس زمینه) درختان بیمار و سالم را با موفقیت پیش بینی کند. راه حل درست در زیر Playground ظاهر می شود.
تمرین 2: یک ضربدر ویژگی پیچیده تر
برای تمرین دوم، به ترتیب نقاط نارنجی (درختان بیمار) و نقاط آبی (درختان سالم) در مدل خروجی نگاه کنید و به موارد زیر توجه کنید:
- نقطه ها الگوهای تقریباً کروی را تشکیل می دهند.
- ترتیب نقاط پر سر و صدا است. به عنوان مثال، به نقاط آبی گاه به گاه در کره بیرونی نقاط نارنجی توجه کنید. در نتیجه، حتی یک مدل عالی بعید است که هر نقطه را به درستی پیش بینی کند.
وظیفه 1: رابط کاربری Playground را با انجام کارهای زیر کاوش کنید:
- روی دکمه Run/Pause کلیک کنید، که یک مثلث سفید داخل یک دایره سیاه است. زمین بازی آموزش مدل را آغاز خواهد کرد. مشاهده کنید که شمارنده اعصار در حال افزایش است.
- پس از اینکه سیستم حداقل 300 دوره تمرین کرد، همان دکمه Run/Pause را فشار دهید تا آموزش متوقف شود.
- به مدل نگاه کن آیا مدل پیش بینی های خوبی انجام می دهد؟ به عبارت دیگر، آیا نقاط آبی معمولاً با پس زمینه آبی احاطه شده اند و آیا نقاط نارنجی معمولاً با پس زمینه نارنجی احاطه شده اند؟
- مقدار Test loss را که درست در زیر OUTPUT ظاهر می شود، بررسی کنید. آیا این مقدار به 1.0 (تلفات بیشتر) نزدیکتر است یا به 0 (تلفات کمتر) نزدیکتر است؟
- با فشار دادن پیکان منحنی در سمت چپ دکمه Run/Pause، Playground را بازنشانی کنید.
وظیفه 2: با انجام کارهای زیر یک مدل بهتر بسازید:
- هر ترکیبی از پنج ویژگی ممکن را انتخاب یا لغو انتخاب کنید.
- نرخ یادگیری را تنظیم کنید.
- سیستم را برای حداقل 500 دوره آموزش دهید.
- ارزش از دست دادن تست را بررسی کنید. آیا می توانید از دست دادن تست کمتر از 0.2 بگیرید؟
راه حل ها در زیر Playground ظاهر می شوند.