Nos exercícios interativos abaixo, você vai usar o que aprendeu para treinar um para ajustar dados não lineares.
Exercício
Nos exercícios de cruzamento de atributos no módulo de dados categóricos, você construiu manualmente cruzamentos de atributos para ajustar dados não lineares. Agora, você descobrirá se consegue criar uma rede neural capaz de aprender automaticamente ajustar dados não lineares durante o treinamento.
Sua tarefa: configure uma rede neural que possa separar os pontos laranjas dos os pontos azuis no diagrama abaixo, obtendo uma perda inferior a 0,2 em ambos os dados de treinamento e teste.
Instructions:
No widget interativo abaixo:
- Modificar os hiperparâmetros da rede neural testando alguns
das seguintes configurações:
- Adicione ou remova camadas ocultas clicando nos botões + e - no à esquerda do título HIDDEN LAYERS no diagrama de rede.
- Adicione ou remova neurônios de uma camada escondida clicando em + e -. acima de uma coluna de camada oculta.
- Altere a taxa de aprendizado escolhendo um novo valor em Taxa de aprendizado acima do diagrama.
- Altere a função de ativação escolhendo um novo valor no Menu suspenso Ativação acima do diagrama.
- Clique no botão Reproduzir (▶️) acima do diagrama para treinar a rede neural usando os parâmetros especificados.
- Observar a visualização do modelo ajustando os dados como treinamento avança, assim como Perda de teste e Valores de perda de treinamento em a seção Saída.
- Se o modelo não atingir perda abaixo de 0,2 nos dados de teste e treinamento, Clique em "reset" e repita as etapas de 1 a 3 com um conjunto diferente de configurações. configurações. Repita esse processo até obter os resultados desejados.
Clique aqui para conferir nossa solução
Conseguimos atingir perdas de teste e treinamento abaixo de 0,2 ao:
- Adição de uma camada escondida contendo três neurônios.
- Escolher uma taxa de aprendizado de 0,01.
- Escolher uma função de ativação da ReLU.