День оцінки у віддаленому інтерншіпі з ML / GenAI. Три відео. Одне правило. Результат навчання — не доказ. Що я зберіг: 1. Вибір Залишайте рядки для перевірки. Навчання вчиться. Валідація налаштовує. Тест — це один чесний результат. Не налаштовуйте на тестовому наборі. k-кратна перевірка — та ж ідея, але з циклічним зсувом. 2. Навчання Недообучення: погано на навчанні та тесті. Занадто просто. Переобучення: чудово на навчанні, погано на тесті. Модель запам’ятала домашнє завдання. 3. Втрата Втрата — це помилка: фактичне мінус передбачене. Піднесіть до квадрату, щоб не було від’ємних значень. Усередніть. Для числа потрібен MSE. Для класу — перехресна ентропія. Параметри зміщуються, щоб зменшити цю помилку. Три ключових моменти: Втрата показує моделі, наскільки вона помилилася. Валідація показує мені, чи узагальнюється цей крок. Переобучення — це мала помилка на навчанні та велика на тесті. Питання, яке мені все ще залишилося: якщо дві моделі мають схожу втрату на тесті, чи варто вибирати простішу?
𝐈𝐛𝐧𝐦𝐚𝐫𝐳𝐮𝐤Поділитися
Джерело:Показати оригінал
Відмова від відповідальності: Інформація на цій сторінці може бути отримана від третіх осіб і не обов'язково відображає погляди або думки KuCoin. Цей контент надається лише для загального інформування, без будь-яких запевнень або гарантій, а також не може розглядатися як фінансова або інвестиційна порада. KuCoin не несе відповідальності за будь-які помилки або упущення, а також за будь-які результати, отримані в результаті використання цієї інформації.
Інвестиції в цифрові активи можуть бути ризикованими. Будь ласка, ретельно оцініть ризики продукту та свою толерантність до ризику, виходячи з ваших власних фінансових обставин. Для отримання додаткової інформації, будь ласка, зверніться до наших Умов використання та Розкриття інформації про ризики.