День обзора в удаленном стажировке по ML / GenAI. Три видео. Одно правило. Результат обучения — не доказательство. Что я запомнил: 1. Выбор Оставляйте строки в резерве. Обучение учит. Валидация настраивает. Тест — один честный результат. Не настраивайте на тестовом наборе. k-кратная перекрестная проверка — та же идея, только с вращением. 2. Подгонка Недообучение: плохо и на обучении, и на тесте. Слишком просто. Переобучение: отлично на обучении, плохо на тесте. Модель запомнила домашнее задание. 3. Потеря Потеря — это ошибка: фактическое минус предсказанное. Возведите в квадрат, чтобы она не могла быть отрицательной. Усредните. Для числа нужен MSE. Для класса — кросс-энтропия. Параметры сдвигаются, чтобы уменьшить эту ошибку. Три ключевых момента: Потеря показывает модели, насколько она ошиблась. Валидация говорит мне, обобщился ли этот шаг. Переобучение — это маленькая ошибка на обучении и большая ошибка на тесте. Вопрос, который у меня еще остался: если две модели имеют схожую тестовую потерю, стоит ли выбирать более простую?
𝐈𝐛𝐧𝐦𝐚𝐫𝐳𝐮𝐤Поделиться
Источник:Показать оригинал
Отказ от ответственности: Информация на этой странице может быть получена от третьих лиц и не обязательно отражает взгляды или мнения KuCoin. Данный контент предоставляется исключительно в общих информационных целях, без каких-либо заверений или гарантий, а также не может быть истолкован как финансовый или инвестиционный совет. KuCoin не несет ответственности за ошибки или упущения, а также за любые результаты, полученные в результате использования этой информации.
Инвестиции в цифровые активы могут быть рискованными. Пожалуйста, тщательно оценивайте риски, связанные с продуктом, и свою устойчивость к риску, исходя из собственных финансовых обстоятельств. Для получения более подробной информации, пожалуйста, ознакомьтесь с нашими Условиями использования и Уведомлением о риске.