Bevezetés
A modellek betanítása egyáltalán nem egy tökéletesen automatizált folyamat. A betanítás adatokra való vak támaszkodása olyan dolgok megismeréséhez vezethet, amelyek nem hasznosak a végén, vagy ha nem tanulják meg hatékonyan a ténylegesen hasznos dolgokat. Az alábbi tananyag bemutatja az alulillesztés és a túlillesztés néhány egyszerű okát, és azt, hogy mit tehet vele.
Forgatókönyv: Lavinamentő kutyák betanítása
Ebben a modulban az alábbi példaforgatókönyvet használjuk az alulillesztés és a túlillesztés magyarázatára. Ez a forgatókönyv arra szolgál, hogy példát adjon arra, hogyan felelhet meg ezeknek a fogalmaknak a programozás során. Ne feledje, hogy ezek az alapelvek általában szinte minden modelltípusra érvényesek, nem csak azokra, amelyekkel itt dolgozunk.
Itt az ideje, hogy a jótékonysági képzés egy új generáció a kutyák, hogyan talál túrázók sodorta fel a lavinák. Vita folyik az irodában arról, hogy melyik kutyák a legjobbak; Egy nagy kutya jobb, mint egy kisebb kutya? Ki kell képezni a kutyákat, amikor fiatalok vagy érettebbek? Szerencsére vannak olyan statisztikák az elmúlt néhány évben végrehajtott mentésekről, amelyeket megvizsgálhat. A betanítási kutyák költségesek, és biztosnak kell lennie abban, hogy a kutyaválasztási feltételek megfelelőek.
Előfeltételek
- A gépi tanulási modellek ismerete
Tanulási célkitűzések
Ebben a modulban a következőket sajátíthatja el:
- A szolgáltatás normalizálásának definiálása.
- Tesztadatkészletek létrehozása és használata.
- Fogalmazza meg, hogy a tesztelési modellek hogyan javíthatják és károsíthatják a betanítást.