Negli esercizi interattivi riportati di seguito, userai ciò che hai imparato per addestrare un neurali profonde per i dati non lineari.
Esercizio
Nella sezione Esercizi incrociati sulle caratteristiche nel modulo Dati categoriali, hai creato manualmente gli incroci di caratteristiche per adattarsi ai dati non lineari. Ora vedremo se puoi creare una rete neurale in grado di apprendere automaticamente come adattare i dati non lineari durante l'addestramento.
La tua attività: configura una rete neurale in grado di separare i punti arancioni da i punti blu del diagramma seguente, ottenendo una perdita inferiore a 0,2 su i dati di addestramento e di test.
Instructions:
Nel widget interattivo in basso:
- Modificare gli iperparametri della rete neurale sperimentando alcuni
delle seguenti impostazioni di configurazione:
- Aggiungi o rimuovi livelli nascosti facendo clic sui pulsanti + e - in corrispondenza a sinistra dell'intestazione LIVELLI NASCOSTI nel diagramma di rete.
- Aggiungi o rimuovi i neuroni da uno strato nascosto facendo clic su + e - sopra una colonna di livello nascosto.
- Modifica il tasso di apprendimento scegliendo un nuovo valore da Tasso di apprendimento menu a discesa sopra il diagramma.
- Modifica la funzione di attivazione scegliendo un nuovo valore dal Menu a discesa Attivazione sopra il diagramma.
- Fai clic sul pulsante di riproduzione (▶️) sopra il diagramma per addestrare la rete neurale del modello utilizzando i parametri specificati.
- Osserva la visualizzazione del modello che adatta i dati durante l'addestramento dell'attività, così come Perdita di test e Valori di perdita di addestramento in nella sezione Output.
- Se il modello non raggiunge una perdita inferiore a 0,2 sui dati di test e addestramento, fai clic su Reimposta e ripeti i passaggi da 1 a 3 con un set di impostazioni diverso impostazioni. Ripeti questo processo fino a quando non ottieni i risultati desiderati.
Fai clic qui per scoprire la nostra soluzione
Siamo riusciti a ottenere una perdita sia per i test che per l'addestramento al di sotto di 0,2 grazie a:
- Aggiunta di 1 strato nascosto contenente 3 neuroni.
- Scegliere un tasso di apprendimento pari a 0,01.
- Scelta di una funzione di attivazione della funzione ReLU.