Como usar um modelo
Vamos revisar como essas partes se encaixam para treinar um modelo.
Treinamento vs. uso de um modelo
É importante reforçar a distinção entre o treinamento e o uso de um modelo.
Usar um modelo significa fornecer entradas e receber uma estimativa ou uma previsão como saída. Usamos esse processo quando estamos treinando nosso modelo e quando nós ou nossos clientes o utilizamos no mundo real. O uso de um modelo normalmente leva poucos segundos.
Por outro lado, o treinamento de um modelo é o processo de melhorar o quão bem um modelo funciona. O treinamento exige que usemos o modelo, a função objetiva e o otimizador em um loop especial. O treinamento pode levar minutos ou dias para ser concluído. Normalmente, treinamos um modelo apenas uma vez. Uma vez treinado, podemos usá-lo quantas vezes for necessário sem fazer alterações.
Por exemplo, em nosso cenário de loja de cães de resgate em avalanches, queremos treinar um modelo, usando um conjunto de dados públicos. O conjunto de dados altera o modelo para que ele possa prever o tamanho da bota de um cão com base no tamanho de seu arreio. Uma vez treinado, utilizamos o modelo como parte do nosso repositório online para verificar se os clientes estão comprando botas para cães que sirvam em seus cães.
Dados para uso, dados para treinamento
Lembre-se de que um conjunto de dados é uma coleção de informações sobre objetos ou coisas. Por exemplo, um conjunto de dados pode conter informações sobre cães:
| ID do cão | Tamanho da bota | Tamanho do cinto | Cor do cachorro | Raça |
|---|---|---|---|---|
| 0 | 27 | 12 | Brown | São Bernardo |
| 1 | 26 | 11 | Preto | Labrador |
| 2 | 25 | 10 | Branca | Labrador |
| 3 | 29 | 14 | Preto | Pastor Alemão Negro |
Quando usamos nosso modelo, precisamos apenas das colunas de dados que o modelo aceita como entrada. Essas colunas são chamadas de recursos. Em nosso cenário, se nosso modelo aceitar o tamanho do arreio e estimar o tamanho da bota, então nosso recurso será o tamanho do arreio.
Durante o treinamento, a função objetiva geralmente precisa conhecer o resultado do modelo e qual é a resposta correta. Esses valores são chamados de rótulos. No nosso cenário, se o nosso modelo prevê o tamanho da bota, então tamanho da bota é o nosso rótulo.
Portanto, para utilizar um modelo, precisamos apenas de recursos, enquanto durante o treinamento geralmente precisamos de recursos e rótulos. Durante o treinamento em nosso cenário, precisamos tanto do recurso tamanho do cinto quanto do rótulo tamanho da bota. Quando usamos nosso modelo em nosso site, só precisamos saber o recurso de tamanho do arreio; nosso modelo então estima o tamanho da bota que deve ser utilizada.
Terminei o treinamento. O que vem em seguida?
Depois que o modelo termina o treinamento, você pode salvá-lo em arquivo por si só. Não precisamos mais dos dados originais, da função objetiva ou do otimizador do modelo. Quando quisermos usar o modelo, podemos carregá-lo do disco, fornecer a ele novos dados e obter a previsão desejada.
No nosso próximo exercício, praticaremos como salvar um modelo, carregá-lo do disco e utilizá-lo como faríamos no mundo real. Para completar o cenário de nossa loja online, também praticamos o uso dos resultados do modelo para avisar os clientes se eles parecem estar comprando botas de cachorro do tamanho errado.