W interaktywnych ćwiczeniach poniżej wykorzystasz to, czego się nauczysz, aby wytrenować w sieci neuronowej, aby dopasować dane nieliniowe.
Ćwiczenie
W sekcji Ćwiczenia obejmujące różne cechy w module Dane kategorialne, ręcznie utworzonych krzyżów cech, aby dopasować je do danych nieliniowych. Zobaczysz, czy uda Ci się zbudować sieć neuronowa, która będzie automatycznie uczyć się jak dopasować dane nieliniowe podczas trenowania.
Twoje zadanie: skonfiguruj sieć neuronowa, która będzie w stanie oddzielić pomarańczowe kropki od niebieskich kropek na poniższym schemacie, uzyskując w obu przypadkach utratę mniejszą niż 0,2 do danych treningowych i testowych.
Instrukcje:
W interaktywnym widżecie poniżej:
- Zmodyfikuj hiperparametry sieci neuronowej, eksperymentując
z tych ustawień konfiguracji:
- Dodaj lub usuń ukryte warstwy, klikając przyciski + lub -. na lewo od nagłówka UKRYTE WARSTWY na schemacie sieci.
- Dodaj lub usuń neurony z ukrytej warstwy, klikając przyciski + i - nad kolumną z ukrytą warstwą.
- Zmień tempo uczenia się, wybierając nową wartość z sekcji Tempo uczenia się menu nad diagramem.
- Zmień funkcję aktywacji, wybierając nową wartość z Menu Aktywacja nad diagramem.
- Aby wytrenować sieć neuronowa, kliknij przycisk odtwarzania (▶️) nad diagramem. za pomocą określonych parametrów.
- Obserwuj wizualizację modelu pasującego do danych jako modelu treningowego swoje postępy, a także Test straty oraz Wartości trenowania w sekcji Wyniki.
- Jeśli w przypadku danych testowych i treningowych model nie osiąga straty poniżej 0,2, Kliknij Resetuj i powtórz kroki 1–3, korzystając z innej konfiguracji ustawieniach. Powtarzaj te czynności aż do uzyskania preferowanych wyników.
Kliknij tutaj, aby poznać nasze rozwiązanie
Udało nam się uzyskać utratę zarówno testów, jak i trenowania poniżej 0,2 dzięki:
- Dodaję 1 ukrytą warstwę zawierającą 3 neurony.
- Wybranie tempa uczenia się na poziomie 0,01.
- Wybieram funkcję aktywacji ReLU.