Tudáspróba

Befejeződött

Tesztelje tudását

1.

Milyen előnyökkel jár az adatok normalizálása?

Gyorsabb betanítási idők

A hiányzó értékek pontosabb eltávolítása

A betanításhoz szükséges preferenciális algoritmusok azonosítása

2.

A betanítási modell jól teljesít a betanítási készleten, de rosszul működik a tesztkészleten. Mi történik valószínűleg?

Alulillesztés történt, és a modell nem elég pontos. Érdemes folytatni a képzést.

Túlillesztés történt, és a modell nem teljesít jól az új adatokon a betanításon kívül. Leállíthatja a betanítást korábban, vagy változatosabb adatokat gyűjthet.

A modell rendben van. Ehelyett a betanítási adatokat kell használnia a modell teszteléséhez.

3.

A modellt egy kihívást jelentő alkalmazásban kell használni, ahol nagyon megbízható teljesítményre van szükség. Mi a megfelelő módszer a modellek megbízhatóságának tesztelésére nehéz helyzetekben?

Nagyobb betanítási csoport létrehozása

Használja a mentességi megközelítést, és hozzon létre egy harmadik, speciális adatkészletet, amely összeválogatva olyan példákat tartalmaz, amelyekben a modellek kimenetének meg kell felelnie a teljesítmény küszöbértékeinek.

A betanításakor tartsa szemmel a költségeit. Ha bármilyen változékonyságot kap, leállíthatja a betanítást.

A munka ellenőrzése előtt minden kérdésre válaszolnia kell.

Folytatás