Apa yang dimaksud dengan input dan output?
Tujuan pelatihan adalah untuk meningkatkan model sehingga dapat membuat estimasi atau prediksi berkualitas tinggi. Setelah dilatih, Anda dapat menggunakan model di dunia nyata seperti perangkat lunak biasa.
Model tidak melatih diri mereka sendiri. Mereka dilatih menggunakan data ditambah dua bagian kode, fungsi tujuan dan pengoptimal. Mari kita jelajahi bagaimana komponen-komponen ini bekerja sama untuk melatih model agar bekerja dengan baik.
Tujuan
Tujuannya adalah apa yang kita inginkan agar model dapat dilakukan. Misalnya, tujuan skenario kami adalah untuk dapat memperkirakan ukuran sepatu bot anjing berdasarkan ukuran tali kekangnya.
Agar komputer memahami tujuan kami, kami perlu memberikan tujuan kami sebagai cuplikan kode yang disebut fungsi objektif (juga dikenal sebagai fungsi biaya). Fungsi objektif menilai apakah model melakukan pekerjaan dengan baik (memperkirakan ukuran boot dengan baik) atau pekerjaan yang buruk (memperkirakan ukuran boot dengan buruk). Kami membahas fungsi objektif secara lebih mendalam dalam materi pembelajaran nanti.
Data
Data mengacu pada informasi yang kami berikan ke model (juga dikenal sebagai input). Dalam skenario kami, inputnya adalah ukuran harness.
Data juga merujuk pada informasi yang mungkin dibutuhkan fungsi objektif. Misalnya, jika fungsi tujuan kami melaporkan apakah model menebak ukuran boot dengan benar, model perlu mengetahui ukuran boot yang benar! Untuk alasan ini, dalam latihan kami sebelumnya, kami memberikan ukuran harness dan jawaban yang benar untuk kode pelatihan.
Kami akan berlatih bekerja dengan data dalam latihan berikutnya.
Pengoptimal
Selama pelatihan, model membuat prediksi, dan fungsi objektif menghitung seberapa baik performanya. Pengoptimal adalah kode yang kemudian mengubah parameter model sehingga model akan melakukan pekerjaan yang lebih baik lain kali.
Bagaimana pengoptimal menyesuaikan parameter itu kompleks, dan sesuatu yang kita bahas di materi selanjutnya. Namun, jangan terintimidasi; kami biasanya tidak menulis pengoptimal kami sendiri, kami menggunakan kerangka kerja sumber terbuka di mana kerja keras telah dilakukan untuk kami.
Penting untuk diingat bahwa tujuan, data, dan pengoptimal hanyalah sarana untuk melatih model. Mereka tidak diperlukan setelah pelatihan selesai. Penting juga untuk diingat bahwa pelatihan hanya mengubah nilai parameter di dalam model; itu tidak mengubah model apa yang digunakan.