Một ngày đánh giá trong kỳ thực tập ML / GenAI từ xa. Ba video. Một quy tắc. Điểm huấn luyện không phải là bằng chứng. Những điều tôi ghi nhớ: 1. Lựa chọn Giữ lại các hàng để kiểm tra. Huấn luyện học. Xác thực điều chỉnh. Kiểm tra là một điểm số trung thực. Không điều chỉnh trên tập kiểm tra. k-fold cũng là ý tưởng tương tự, được xoay vòng. 2. Phù hợp Underfit: kém trên cả tập huấn luyện và kiểm tra. Quá đơn giản. Overfit: xuất sắc trên tập huấn luyện, kém trên tập kiểm tra. Nó đã ghi nhớ bài tập về nhà. 3. Mất mát Mất mát là sai số: giá trị thực tế trừ giá trị dự đoán. Bình phương nó để không thể âm. Tính trung bình. Một con số cần MSE. Một lớp cần cross-entropy. Các tham số được điều chỉnh để giảm thiểu sai số đó. Ba yếu tố then chốt: Mất mát cho mô hình biết nó sai bao nhiêu. Xác thực cho tôi biết liệu bước điều chỉnh đó có tổng quát hóa không. Overfit là sai số nhỏ trên tập huấn luyện và sai số lớn trên tập kiểm tra. Câu hỏi tôi vẫn còn: nếu hai mô hình có mất mát kiểm tra tương đương, tôi nên chọn mô hình đơn giản hơn chứ?