Wprowadzenie
Sposób trenowania modeli nie jest w żaden sposób całkowicie zautomatyzowany. Ślepe poleganie szkolenia na danych może prowadzić do nauki rzeczy, które nie są pomocne w końcu, lub nie skutecznie uczyć się rzeczy, które są rzeczywiście przydatne. Poniższy materiał szkoleniowy zawiera kilka prostych powodów, dla których odbywa się niepełne dopasowanie i nadmierne dopasowanie oraz co możesz z tym zrobić.
Scenariusz: Trenowanie psów ratowniczych lawinowych
W tym module użyjemy następującego przykładowego scenariusza, aby wyjaśnić niedopasowanie i nadmierne dopasowanie. Ten scenariusz ma na celu przedstawienie przykładu, w jaki sposób można spełnić te koncepcje podczas programowania dla siebie. Należy pamiętać, że te zasady mają zwykle zastosowanie do prawie wszystkich typów modeli, a nie tylko tych, z którymi pracujemy tutaj.
Nadszedł czas na twoją organizację charytatywną, aby wytrenować nowe pokolenie psów, w jaki sposób znaleźć turystów przetoczyły się lawinami. Jest debata w biurze, w którym psy są najlepsze; czy duży pies jest lepszy niż mniejszy pies? Czy psy powinny być szkolone, gdy są młode lub kiedy są bardziej dojrzałe? Na szczęście masz statystyki dotyczące ratownictwa wykonanych w ciągu ostatnich kilku lat, na które można spojrzeć. Psy treningowe są jednak kosztowne i musisz mieć pewność, że kryteria wybierania psów są prawidłowe.
Wymagania wstępne
- Znajomość modeli uczenia maszynowego
Cele szkolenia
Zawartość tego modułu:
- Zdefiniuj normalizację funkcji.
- Tworzenie i praca z testowymi zestawami danych.
- Artykułowanie, w jaki sposób modele testowania mogą poprawić i zaszkodzić trenowanie.