Paranna malleja hyperparametrien avulla
Yksinkertaiset mallit, joissa on pieniä tietojoukkoja, mahtuvat usein yhteen vaiheeseen, kun taas suuremmat tietojoukot ja monimutkaisemmat mallit on sovitettava käyttämällä mallia toistuvasti harjoitustietojen kanssa ja vertaamalla tuloksia odotettuun otsikkoon. Jos ennuste on riittävän tarkka, harkitsemme mallin harjoittamista. Jos näin ei ole, muokkaamme mallia hieman ja -silmukkaa uudelleen.
Hyperparametrit ovat arvoja, jotka muuttavat tapaa, jolla malli sovitetaan näiden silmukoiden aikana. Esimerkiksi oppimisaste on hyperparametri, joka määrittää, kuinka paljon mallia mukautetaan kunkin harjoitusjakson aikana. Korkea oppimisaste tarkoittaa, että mallia voidaan kouluttaa nopeammin. Jos se on liian suuri, muutokset voivat olla niin suuria, ettei mallia ole koskaan hienosäädetty eikä optimaalinen.
Tietojen esikäsittely
Esikäsittely viittaa tietoihisi tekemiisi muutoksiin, ennen kuin ne siirretään malliin. Olemme aiemmin lukeneet, että esikäsittely voi tarkoittaa tietojoukon puhdistamista. Vaikka tämä on tärkeää, esikäsittely voi sisältää myös tietoittesi muodon muuttamista mallin käytön helpottamiseksi. Esimerkiksi tiedot, jotka on kuvattu sanoiksi "punainen", "oranssi", "keltainen", "limetti" ja "vihreä", saattavat toimia paremmin, jos ne muunnetaan muotoon, joka on kotoperäisempi tietokoneille, kuten luvut, joissa ilmenee punaisen määrä ja vihreän määrä.
Skaalausominaisuudet
Yleisin esikäsittelyvaihe on ominaisuuksien skaalaaminen nollan ja yhden väliin. Esimerkiksi pyörän paino ja matka, jolla henkilö kulkee pyörällä, voivat olla kaksi hyvin erilaista lukua, mutta skaalaamalla molemmat luvut nollan ja yhden välille mallit voivat oppia tiedoista tehokkaammin.
Luokkien käyttäminen ominaisuuksina
Koneoppimisessa voit käyttää myös luokittaisia ominaisuuksia, kuten "polkupyörä", "rullalauta" tai "auto". Näitä ominaisuuksia edustavat 0 tai 1 arvoa yhden kuuman vektorin. vektoreilla, joilla on 0 tai 1 kullekin mahdolliselle arvolle. Polkupyöriä, rullalautaita ja autoa saatetaan esimerkiksi olla (1,0,0), (0,1,0) ja (0,0,1).