Google提供一個遊戲區，讓我們學習並且觀察他們是如何執行機器學習的，還有學習的效率為何。

遊戲區在這兒：說明網站、遊戲區
其中要注意的是，每次「reset」都有不同的數據喔！

遊戲區的畫面會是掌這樣：

其中藍色是我們現象A，就好像是「正常的樹」，而橙色是現象B，如同「生病的樹」，然後看到X1和X2的數據餵給model學習，她就不斷的學習與調整，逐漸收斂，找出最適合的參數。

大家可以玩看看。其中「learning rate」會影響其學習的次數與效率。裡面還有很多參數，仍沒有摸透，詳情可以看上面兩個網站，有詳細說明。

其中有說到「超參數」，wiki上說：「在機器學習中，超參數是在學習過程開始之前已設置其值的參數。相反，其他參數的值是通過訓練得出的。」，在結合CSDN：「超参数：就是用来确定模型的一些参数，超参数不同，模型是不同的」，「在深度学习中，超参数有：学习速率，迭代次数，层数，每层神经元的个数等等」，上面所說的，就是我們遊戲區的內容：Learning rate、Activation、Regularization、Regularization rate、Problem type。這些參數不同，就會影響我們的model結果。

睫毛之聲：

這些參數真的很複雜，只能了解大概的內容，無法逐一去找出較好的值。不過有人整理出方式，也可參考Medium中Ray Lin的Hyperparameter tuning的文章。