Playground é uma um aplicativo interativo que permite manipular aspectos do treinamento e teste de um modelo de machine learning. Com o Playground, é possível selecionar atributos e ajustar hiperparâmetros, e, em seguida, descobrir como suas escolhas influenciam um modelo.
Esta página contém dois exercícios do Playground.
Exercício 1: um cruzamento de atributos básicos
Para este exercício, concentre-se nas seguintes partes do Playground interface do usuário:
- Abaixo de "FEATURES", observe os três possíveis atributos do modelo:
- x1
- x2
- x1x2
- Abaixo de OUTPUT, há um quadrado com a imagem laranja e pontos azuis. Imagine que você está olhando para uma floresta quadrada, onde os pontos laranjas marcam a posição de árvores doentes e os pontos azuis marcam a a posição de árvores saudáveis.
- Entre FEATURES e OUTPUT, se você analisar bem de perto, verá três linhas tracejadas fracas que conectam cada atributo à saída. A largura de cada linha tracejada simboliza o peso atualmente associado com cada recurso. Essas linhas são muito fracas porque o peso inicial para cada recurso é inicializada como 0. Conforme o peso aumenta ou diminui, a espessura dessas linhas.
Tarefa 1:explore o Playground fazendo o seguinte:
- Clique na linha fraca que conecta o recurso x1 à saída. Uma janela pop-up será exibida.
- No pop-up, insira o peso
1.0
. - Pressione Enter.
Confira se:
- A linha tracejada de x1 fica mais grossa à medida que o peso aumenta. de 0 a 1,0.
- Um plano de fundo laranja e azul será exibido.
- O fundo laranja são os palpites do modelo sobre onde as árvores doentes são.
- O fundo azul são os palpites do modelo sobre onde as árvores saudáveis os dados. O modelo está fazendo um trabalho péssimo. cerca de metade dos palpites do modelo são 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 a ponderação de um ou de todos os três atributos (as cores de fundo) prevê com sucesso as condições de saúde árvores. 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 pontos azuis (árvores íntegras) no modelo de saída, observando o seguinte:
- Os pontos formam padrões aproximadamente esféricos.
- A organização dos pontos é confusa; por exemplo, observe o eventual azul pontos na esfera externa de pontos laranjas. Por isso, mesmo um ótimo modelo tem pouca probabilidade de prever corretamente cada ponto.
Tarefa 1:explore a interface do Playground fazendo o seguinte:
- Clique no botão Executar/Pausar, que é um triângulo branco dentro de um círculo preto círculo O Playground começará a treinar o modelo. observam o contador de épocas aumentando.
- Após o sistema ter treinado por pelo menos 300 períodos, pressione o mesmo Botão Executar/Pausar para pausar o treinamento.
- Observe o modelo. O modelo está fazendo boas previsões? Em outras palavras, são os pontos azuis geralmente cercados por um fundo azul, e são pontos laranjas geralmente cercados por um fundo laranja?
- Confira o valor de "Test Loss" que aparece logo abaixo de OUTPUT. Isso próximo de 1,0 (maior perda) ou próximo 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 atributos possíveis.
- Ajuste a taxa de aprendizado.
- Treine o sistema por pelo menos 500 períodos.
- Examine o valor da Perda de teste. Você consegue uma perda de teste menor que 0,2?
As soluções aparecem abaixo do Playground.