以下のインタラクティブな演習では、学習した内容を活用して ニューラル ネットワークです。
エクササイズ
[特徴クロス演習] カテゴリデータ モジュールでは、 非線形データを適合させるための特徴クロスを手動で構築しました。 ここで、モデルによって学習内容を自動的に学習するニューラル ネットワークを トレーニング中に非線形データを適合させる方法を 見てきました
タスク: ニューラル ネットワークを構成して、オレンジ色の点と 損失は 0.2 未満に抑えられており、 トレーニングデータとテストデータです
Instructions:
以下のインタラクティブ ウィジェットの内容:
- ニューラル ネットワークのハイパーパラメータを、いくつかのテスト
次のように構成します。
- 非表示のレイヤを追加または削除するには、[+] ボタンと [-] ボタンをクリックします。 隠れ層の見出しの左側に配置されます。
- [+] と [-] をクリックして、隠れ層のニューロンを追加または削除する 非表示のレイヤの列の上にボタンを追加します。
- [学習率] から新しい値を選択して、学習率を変更します。 プルダウンを使ってみましょう。
- 活性化関数を変更するには 図の上にある [有効化] プルダウン。
- 図の上にある再生ボタン(▶️)をクリックして、ニューラル ネットワークをトレーニングします。 モデルを作成します。
- トレーニング データとして適合するモデルの可視化を観察する 進捗を確認できます。 損失のテストと 次のトレーニング損失値: [Output] セクションに表示されます。
- モデルのテストデータとトレーニング データの損失が 0.2 を下回らない場合は、 [Reset] をクリックし、別の設定セットで手順 1 ~ 3 を繰り返します。 設定。望ましい結果が得られるまでこの手順を繰り返します。
ソリューションについては、こちらをクリックしてください
次の方法で、テストとトレーニングの両方の損失を 0.2 未満に抑えることができました。
- 3 つのニューロンを含む隠れ層を 1 つ追加しています。
- 学習率には 0.01 を選びます。
- ReLU の活性化関数を選択する。