In den folgenden interaktiven Übungen wenden Sie das Gelernte an, um ein um nicht lineare Daten zu verarbeiten.
Übung
In den Übungsvarianten im Modul Kategoriale Daten haben Sie manuell Featureverknüpfungen für nicht lineare Daten erstellt. Können Sie ein neuronales Netzwerk aufbauen, das automatisch wie nicht lineare Daten während des Trainings angepasst werden.
Aufgabe:Konfigurieren Sie ein neuronales Netzwerk, das die orangefarbenen Punkte von den den blauen Punkten im Diagramm unten, sodass auf beiden Seiten ein Verlust von weniger als 0,2 die Trainings- und Testdaten.
Instructions:
Im interaktiven Widget unten:
- Die Hyperparameter des neuronalen Netzwerks durch Experimentieren mit einigen
der folgenden Konfigurationseinstellungen:
- Sie können ausgeblendete Ebenen hinzufügen oder entfernen, indem Sie auf die Schaltflächen + und - links neben der Überschrift AUSGEBLENDETE SCHICHTEN im Netzwerkdiagramm.
- Sie können Neuronen einer ausgeblendeten Ebene hinzufügen oder daraus entfernen, indem Sie auf die Schaltflächen + und - klicken. über einer Spalte mit ausgeblendeter Ebene.
- Ändern Sie die Lernrate, indem Sie einen neuen Wert aus der Lernrate auswählen über dem Diagramm.
- Ändern Sie die Aktivierungsfunktion, indem Sie einen neuen Wert aus der Aktivierung über dem Diagramm.
- Klicken Sie über dem Diagramm auf die Schaltfläche „Play“ (▶️), um das neuronale Netzwerk zu trainieren mit den angegebenen Parametern.
- Visualisierung des Modells beobachten, das zu den Daten als Training passt sowie den Fortschritt Testverlust und Werte für Trainingsverlust in Bereich Output (Ausgabe)
- Wenn das Modell bei den Test- und Trainingsdaten keinen Verlust unter 0,2 erzielt, klicken Sie auf „Zurücksetzen“ und wiederholen Sie die Schritte 1 bis 3 mit einer anderen Konfiguration. Einstellungen. Wiederholen Sie diesen Vorgang, bis Sie die gewünschten Ergebnisse erzielen.
Klicken Sie hier, um unsere Lösung aufzurufen.
So konnten wir sowohl den Test- als auch den Trainingsverlust unter 0,2 erzielen:
- Eine versteckte Ebene mit drei Neuronen wird hinzugefügt.
- Eine Lernrate von 0,01 wird ausgewählt.
- Aktivierungsfunktion von ReLU auswählen.