學習率與整合度
這是多項 Playground 練習的第一項。Playground 是專門針對這堂課程開發的計畫，旨在教導機器學習原則。本課程中的每個 Playground 練習都包含一個內嵌的遊樂場執行個體，並有預設設定。
每個 Playground 運動都會產生資料集。這個資料集的標籤有兩個可能的值。您可以將這兩個可能的值視為垃圾內容，與非垃圾內容，或是可能健康的樹木與生病的比較。大部分的練習的目標是調整各種超參數，以建構能成功分類 (分離或區分) 不同標籤值的模型。請注意，大多數資料集都包含特定數量的雜訊，因此無法成功分類每個範例。
按一下加號圖示，即可查看模型視覺化說明。
每個 Playground 運動都會以視覺化的方式呈現模型目前的狀態。例如，以下是示意圖：
模型視覺化相關注意事項如下：
- 每軸代表特定地圖項目。以垃圾郵件和非垃圾郵件來說，特徵可以是字詞計數和電子郵件收件者人數。
- 每個點都會繪製出一個資料範例 (例如電子郵件) 的特徵值。
- 圓點的顏色代表範例所屬的類別。舉例來說，藍點代表非垃圾郵件，而橘色圓點則代表垃圾電子郵件。
- 背景顏色代表模型生成該顏色範例的預測結果。藍點周圍的藍色背景表示模型正確預測該範例。反之，藍點周圍的橘色背景也代表模型未正確預測該範例。
- 背景藍色和橘色也會經過調整。舉例來說，視覺化內容的左側是純藍色，但會在視覺化的中央逐漸淡入白色。您可以將顏色強度視為代表模型猜測的信心度。藍色實心表示模型非常有信心，且淺藍色代表模型較不信心。(圖中所示的模型視覺化效果不佳)。
請以視覺化方式判斷模型的進度。 (「極佳—大部分藍點都有藍色背景」或「喔不！藍點的背景則為橘色。") 除了顏色以外，Playground 也會以數值顯示模型目前的損失。(「糟糕！損失就會上升，而不是下降。」)
本練習的介面提供三個按鈕：
| 圖示 | 名稱 | 功用 |
|---|---|---|
|
重設 | 將 Iterations 重設為 0。重設模型已學習的任何權重。 |
|
步驟 | 提前一項疊代。每次疊代後，模型都會改變，有時甚至會稍微大幅變化。 |
|
重新產生 | 產生新的資料集。不會重設 Iterations。 |
在第一個 Playground 練習中，您將執行兩項工作來測試學習率。
工作 1：注意 Playground 右上方的「學習率」選單。給定的學習率 (3) 非常高。按一下「Step」按鈕 10 或 20 次，觀察高學習率對模型的影響。每次提早疊代後 請留意模型視覺呈現的變化您甚至在模型似乎已轉換「之後」，看到不穩定。另請注意，從 x1 和 x2 到模型視覺化這幾行。這些線條的權重代表模型中這些特徵的權重。也就是說，線條表示粗細。
工作 2：執行下列操作：
- 按下「重設」按鈕。
- 降低學習率。
- 按幾次「步驟」按鈕。
低學習率對收斂效果有什麼影響？請檢查模型收斂所需的步數，以及模型融合的流暢度與穩定度。試著稍微降低學習率您是否認為學習率太慢，幫不上忙？(您將可在練習下方找到討論內容)。