Como usar um modelo
Vamos rever como essas peças se encaixam para treinar um modelo.
Treinamento versus uso de um modelo
É importante fazer uma distinção entre treinamento e uso de um modelo.
Usar um modelo significa fornecer entradas e receber uma estimativa ou previsão. Fazemos esse processo tanto quando estamos treinando nosso modelo quanto quando nós ou nossos clientes o usamos no mundo real. O uso de um modelo normalmente leva menos de alguns segundos.
Em contraste, treinar um modelo é o processo de melhorar o funcionamento de um modelo. O treinamento requer 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, só treinamos um modelo uma vez. Uma vez treinado, podemos usá-lo quantas vezes quisermos sem fazer mais alterações.
Por exemplo, em nosso cenário de loja de cães de resgate de avalanches, queremos treinar um modelo usando um conjunto de dados público. O conjunto de dados altera o modelo para que possa prever o tamanho da bota de um cão com base no tamanho do arnês. Uma vez que nosso modelo é treinado, usamos o modelo como parte de nossa loja on-line para garantir que os clientes estão comprando botas de cachorro que se encaixam em seus cães.
Dados para utilização, dados para formação
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:
| Identificação do cão | Tamanho da Bota | Tamanho do arnês | Cor do cão | Raça |
|---|---|---|---|---|
| 0 | 27 | 12 | Castanho | São Bernardo |
| 1 | 26 | 11 | Preto | Mar de |
| 2 | 25 | 10 | Caucasiano | Mar de |
| 3 | 29 | 14 | Preto | Pastor Negro |
Quando usamos nosso modelo, precisamos apenas da(s) coluna(s) de dados que o modelo aceita como entrada. Essas colunas são chamadas de recursos. Em nosso cenário, se nosso modelo aceita o tamanho do arnês e estima o tamanho do arnês, nosso recurso é o tamanho do arnês.
Durante o treinamento, a função objetiva geralmente precisa saber tanto a saída do modelo quanto qual é a resposta correta. Esses valores são chamados de rótulos. Em nosso cenário, se nosso modelo prevê o tamanho da inicialização, então o tamanho da inicialização é nosso rótulo.
Então, para usar um modelo, só precisamos de recursos, enquanto durante o treinamento geralmente precisamos de recursos e rótulos. Durante o treinamento em nosso cenário, precisamos tanto do nosso recurso de tamanho de arnês quanto de nossa etiqueta de tamanho de bota. Quando usamos nosso modelo em nosso site, só precisamos saber o recurso de tamanho do arnês; Nosso modelo então estima o tamanho da bota para usarmos.
Terminei o treino. O que acontece a seguir?
Depois que um modelo terminar o treinamento, você poderá salvá-lo em um arquivo sozinho. Não precisamos mais dos dados originais, da função objetiva ou do otimizador de modelo. Quando queremos usar o modelo, podemos carregá-lo do disco, fornecer-lhe novos dados e obter uma previsão.
Em nosso próximo exercício, praticamos salvar um modelo, carregá-lo do disco e usá-lo como faríamos no mundo real. Para completar o cenário da nossa loja online, também praticamos o uso das saídas do modelo para avisar nossos clientes se eles parecem estar comprando botas de cachorro do tamanho errado.