类别型数据：特征交叉练习#
Playground 是一个交互式应用，让你亲自动手调试训练与测试机器学习模型的各个环节。在 Playground 里，你可以挑选特征、调整超参数，然后观察这些选择对模型产生了什么影响。
本节内容包含两个练习，都要用到下方嵌入的 Playground 组件。
练习 1：基础特征交叉#
这个练习，请把注意力放在 Playground 界面的以下几部分：
在 FEATURES 下方，有三个候选模型特征：
$x_1$
$x_2$
$x_1x_2$
在 OUTPUT 下方，你会看到一个装满橙色和蓝色圆点的方块。想象你正俯瞰着一片方形森林：橙色点标记生病树木的位置，蓝色点标记健康树木的位置。
在 FEATURES 与 OUTPUT 之间，如果看得非常仔细，你会发现3条若隐若现的虚线，各自连着一个特征与输出。虚线的粗细，就象征着该特征当前关联的权重。 这些线之所以那么淡，是因为每个特征的初始权重都被设成了 0。权重增大或减小，虚线的粗细也随之变化。
任务 1： 按下面的步骤在 Playground 里探索：
点击那条把特征 $x_1$ 与输出连起来的淡线，弹窗会随之出现。
在弹窗里，把权重填成
1.0。按下回车。
此时你会看到下面这些现象：
随着权重从 0 变到到 1.0，$x_1$ 那条虚线变粗了。
右侧橙色与蓝色的背景出现了。
橙色背景是模型对生病树木位置的判断。
蓝色背景是模型对健康树木位置的判断。模型效果很差，它大约有一半的猜测是错的。
因为 $x_1$ 的权重是 1.0、另外两个特征是 0，模型实际上是在精确复现 $x_1$ 的取值。
任务 2： 调整这三个特征中任意一个或全部的权重，让模型（也就是那些背景颜色）成功区分出病树与健康树。
顺手玩一下：如果你给特征交叉 $x_1x_2$ 填一个负值，会发生什么？
练习 2：更复杂的特征交叉#
第2个练习，请观察输出模型里橙色点（病树）与蓝色点（健康树）的排布，留意下面两点：
这些点大致构成球状的图案。
点的排布是有噪声的——比如，你会注意到外层橙色球壳上偶尔混着蓝色点。因此，即便是一个很好的模型，也很难把每个点都预测对。
任务 1： 按下面的步骤探索 Playground 界面：
点击 Run/Pause 按钮（左上方黑底圆圈里的白色三角形）。Playground 会开始训练模型，观察 Epochs 计数器会不断上涨。
等系统训练满至少 300 个 epoch 之后，再按一次同一个 Run/Pause 按钮暂停训练。
看看这个模型。它预测得好吗？换句话说，蓝色点是不是基本被蓝色背景包住，橙色点是不是基本被橙色背景包住？
看看 OUTPUT 正下方的 Test loss（测试损失） 值。这个值是更接近 1.0（高损失），还是更接近 0（低损失）？
按下 Run/Pause 按钮左侧那个弯曲的箭头，重置 Playground。
任务 2： 按下面的步骤搭出一个更好的模型：
从五个候选特征中，任意勾选或取消勾选它们的组合。
调整学习率。
让系统训练至少 500 个 epoch。
查看 Test loss 的值。你能把 Test loss 压到 0.2 以下吗？
想更多了解 Playground，可以访问 playground.tensorflow.org。