سرفصل‌ها درس 225 از 246 · ماژول 21: نگاه به درون یک مدل
ماژول 21: نگاه به درون یک مدل

خواندن یک ویژگی، و بررسی خوانش

چرا مهم است یک ویژگی نامش را از نمونه‌های برترش می‌گیرد. آن نام یک فرضیه است، و بیشتر برچسب‌های ویژگی منتشرشده هرگز در برابر متنی که برچسب‌زن ندیده آزموده نمی‌شوند.

خودرمزگذار تُنُک ثبت‌شدهٔ دوره را بارگذاری کنید (256 ویژگی، l1 0.3، آموزش‌دیده برای 2,000 گام از 512 بردار، طولانی‌تر از آنچه یک درس اجازه می‌دهد، و همان ویژگی‌ها روی هر دستگاهی) و برای چند رشته، ویژگی‌ای را برگزینید که بیش از همه مخصوص جایگاه‌هایی است که متن با آن رشته تمام می‌شود. سپس برچسبش بزنید و برچسب را روی متن کنار گذاشته‌شده بیازمایید:

  • دقت: از جاهای کنار گذاشته‌شده‌ای که ویژگی قوی فعال می‌شود (بالای نیمی از بزرگ‌ترین مقدار آموزشی‌اش)، سهمی که متن واقعاً با آن رشته تمام می‌شود؛
  • بازیابی: از جاهای کنار گذاشته‌شده‌ای که با آن رشته تمام می‌شوند، سهمی که فعال می‌شود.

interp.top_contexts(sae, A, X, model, k) نشان می‌دهد ویژگی k کجا شدیدتر از همه فعال می‌شود، به‌صورت متن تا آن نویسه.

اول پیش‌بینی کنید: ویژگی «tra» شدیدتر از همه روی « before tra» و « layers tra» (آغاز «train») فعال می‌شود. آیا یک برچسب «tra» بیشتر مواقع روی متن تازه درست خواهد بود؟

واژه‌ها و نمادهای این درس
خودرمزگذار تُنُک
لایه‌ای پهن که آموزش دیده تا بردارها را از چند ویژگی فعال در هر بار دوباره بسازد
دقت، بازیابی (یک برچسب)
از جاهایی که یک ویژگی فعال می‌شود، سهمی که برچسب با آن جور است؛ از جاهایی که برچسب جور است، سهمی که فعال می‌شود
نوبت شما

my_guess را برابر "yes" یا "no" قرار دهید. check(k, s) را بنویسید که (precision, recall) را روی بردارهای کنار گذاشته‌شده برمی‌گرداند، که ویژگی در یک جا وقتی فعال می‌شود که مقدارش آنجا بالای نیمی از بزرگ‌ترین مقدارش روی بردارهای آموزشی (F[:, k].max()) باشد. results[s] = check(feature_for(s), s) را برای « the»، «ing» و «tra» پر کنید. honest_label را برابر رشته‌هایی قرار دهید که برچسبشان برقرار است (دقت دست‌کم 0.7) و really را برابر پایان سه‌حرفی‌ای که ویژگی «tra» روی متن کنار گذاشته‌شده بیش از همه رویش فعال می‌شود.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.