簡介
我們用來訓練模型的方式絕對不是完美的自動化程序。 盲目依賴資料來訓練，最終可能會讓模型學到沒有用的內容，或無法有效地學習實際有用的內容。 下列學習資料會逐步解說一些簡單的理由，讓您了解為何會發生學習不足和過度學習的情形，以及您能對它做些什麼。
案例：訓練雪崩搜救犬
在本課程模組中，我們將使用下列範例案例來說明學習不足和過度學習的情形。 此案例的設計目的是提供範例，讓您在自行設計程式時可知道如何滿足這些概念。 請記住，這些原則普遍適用於幾乎所有類型的模型，而不只適用於我們這裡所處理的模型。
您的慈善機構現在要訓練一批新的搜救犬，讓其學會如何尋找因為雪崩而遇難的登山客。 辦公室裡眾人正在爭論哪種體型的狗最合適；大型犬是否會比小型犬更好？ 應該在幼犬時就訓練，還是等幼犬長大一點再訓練？ 幸好，您有過去幾年搜救次數的統計資料可以查看。 不過，訓練狗的成本很高，因此您必須確定犬隻挑選準則足夠合理。
必要條件
- 熟悉機器學習模型
學習目標
在此課程模組中，您將會：
- 定義特徵正規化。
- 建立和使用測試資料集。
- 清楚表達測試模型如何改善與損害定型。