(Acest articol a fost publicat pentru prima dată pe R’Tichokeși a contribuit cu drag la R-Bloggers). (Puteți raporta problema despre conținutul de pe această pagină aici)
Doriți să vă împărtășiți conținutul pe R-Bloggers? Faceți clic aici dacă aveți un blog sau aici dacă nu.
Ce este Quarto Live?
Quarto live combină quarto cu Webr pentru a activa execuția interactivă a codului R direct în browser, permițând:
- Rularea codului R direct în browserul web
- Feedback instantaneu atunci când modificați exemple de cod
- Fără cerințe de instalare
- Partajarea ușoară a documentelor interactive
Următoarele blocuri de cod sunt complet interactive. Simțiți -vă liber să modificați parametrii și să executați codul!
Crearea unui set de date simplu
Primul pas este crearea unui set de date pentru instruirea rețelei neuronale:
Încercați acest lucru:
- Modificați
set.seed()valoare pentru a genera date aleatorii diferite - Modificați dimensiunea eșantionului de la 100 la o valoare diferită
- Adăugați o a treia variabilă caracteristică la setul de date
Înțelegerea rețelelor neuronale
Rețelele neuronale sunt modele de calcul inspirate de creierul uman. O rețea neuronală de bază constă în:
- Strat de intrare: Caracteristicile datelor (x1 și x2 în acest exemplu)
- Straturi ascunse: Straturile de procesare intermediară în care are loc învățarea
- Strat de ieșire: Stratul final de predicție (valoarea y)
Construirea unei rețele neuronale de bază
Componente cheie:
- Noduri de intrare (x1, x2) alimentează datele în rețea
- Trei neuroni ascunși procesează intrările
- Un neuron de ieșire produce predicția
- Liniile negre reprezintă conexiuni, cu grosimea care indică rezistența la greutate
- Numerele arată valorile reale ale greutății alocate fiecărei conexiuni
Experimentând cu diferite arhitecturi
Încercați să modificați hidden Parametrul și re-rularea fragmentului de cod!
Adăugarea mai multor straturi
Rețelele neuronale cu mai multe straturi ascunse pot învăța modele mai complexe.
Simțiți -vă liber să testați următoarele variații:
hidden = c(8)Pentru o rețea largă, cu un singur strathidden = c(3, 3)pentru o rețea echilibrată cu două straturi- Experimentează cu
hidden = c(2, 2, 2)pentru o rețea profundă și îngustă
Vizualizarea limitei deciziei
Deoarece problema eșantionului este configurată ca o problemă de clasificare cu doar 2 parametri de intrare, granița deciziei poate fi vizualizată:
Evaluarea performanței modelului
Această secțiune evaluează performanța rețelei neuronale cu privire la datele de testare nevăzute:
Resurse suplimentare
Următoarele resurse oferă informații suplimentare despre rețelele de cvarto live și neuronale:
