04 - Einführung in Playground Tensorflow

Einführung in Playground Tensorflow

Auf der linken Seite können Sie eines von 4 Datasets auswählen, mit dem getestet werden soll.

Weitere Parameter:

Ratio of training to test data:

Das Verhältnis aus Trainings- und Testdaten.
→ Gibt an, wie viele Daten zum Lernen genutzt werden und wie viele zur Bewertung des Modells verwendet werden.

Noise:

Zufällige, irrelevante oder fehlerhafte Daten, die das Lernen erschweren.

Batch Size:

Anzahl der Daten, die das neuronale Netz verarbeitet, bevor die Gewichte aktualisiert werden.

Features

Features sind Eingabewerte, die das neuronale Netz verwendet, um Entscheidungen zu treffen.

Die zur Verfügung stehenden Daten (orange & blau) bilden Muster im Koordinatensystem.
→ Das neuronale Netz soll diese Muster erkennen und entsprechend einfärben.

Zusätzliche Features (wie x², x·y, sin(x) usw.) helfen dem Modell, komplexere Muster zu erkennen.

Beurteilung des Netzes

Zur grafischen Beurteilung:

• Der Hintergrund wird vom Modell eingefärbt.
• Punkte im Diagramm sollten die gleiche Farbe haben wie ihr Hintergrund.

Zur rechnerischen Beurteilung dienen:

Test Loss:

Gibt an, wie gut das Modell auf unbekannte Daten generalisieren kann.
→ Je kleiner, desto besser.

Training Loss:

Gibt an, wie gut das Modell die Trainingsdaten klassifizieren kann.
→ Je kleiner, desto besser.