Dalam latihan interaktif di bawah ini, Anda akan menggunakan apa yang telah Anda pelajari untuk melatih neural agar sesuai dengan data nonlinear.
Latihan
Dalam Latihan persilangan fitur di Modul data kategoris, Anda membuat persilangan fitur secara manual agar sesuai dengan data nonlinier. Sekarang, Anda akan melihat apakah Anda dapat membangun jaringan neural yang dapat otomatis belajar cara menyesuaikan data nonlinier selama pelatihan.
Tugas Anda: mengonfigurasi jaringan neural yang dapat memisahkan titik oranye dari titik biru pada diagram di bawah, yang mencapai nilai kerugian kurang dari 0,2 pada keduanya data pelatihan dan pengujian.
Instructions:
Di widget interaktif di bawah:
- Ubah hyperparameter jaringan neural dengan bereksperimen menggunakan beberapa
dari pengaturan konfigurasi berikut:
- Tambahkan atau hapus lapisan tersembunyi dengan mengklik tombol + dan - pada di sebelah kiri judul LAYER TERSEMBUNYIKAN di diagram jaringan.
- Tambahkan atau hapus neuron dari lapisan tersembunyi dengan mengklik + dan - di atas kolom lapisan tersembunyi.
- Mengubah kecepatan pembelajaran dengan memilih nilai baru dari Kecepatan pembelajaran di atas diagram.
- Ubah fungsi aktivasi dengan memilih nilai baru dari Menu drop-down Aktivasi di atas diagram.
- Klik tombol Putar (▶️) di atas diagram untuk melatih jaringan neural menggunakan parameter yang ditetapkan.
- Amati visualisasi model yang menyesuaikan data sebagai pelatihan kemajuan proyek, serta Kerugian pengujian dan Nilai kerugian pelatihan dalam bagian Output.
- Jika model tidak mencapai kerugian di bawah 0,2 pada data pengujian dan pelatihan, klik {i>reset<i}, dan ulangi langkah 1–3 dengan rangkaian konfigurasi yang berbeda setelan. Ulangi proses ini sampai Anda mendapatkan hasil yang diinginkan.
Klik di sini untuk mendapatkan solusi kami
Kami dapat mencapai kerugian pengujian dan pelatihan di bawah 0,2 dengan:
- Menambahkan 1 lapisan tersembunyi yang berisi 3 neuron.
- Memilih kecepatan pemelajaran 0,01.
- Memilih fungsi aktivasi ULT.