Che cosa sono gli input e gli output?
L'obiettivo del training è migliorare un modello in modo che possa eseguire stime o previsioni di alta qualità. Dopo il training, un modello può essere usato nel mondo reale, in modo analogo a un normale software.
Il training dei modelli non viene eseguito automaticamente. ma usando i dati più due parti di codice: la funzione obiettivo e l'ottimizzatore. Verrà illustrato come questi componenti interagiscono per eseguire il training di un modello in modo che funzioni correttamente.
Obiettivo
L'obiettivo è quello che si vuole che il modello sia in grado di fare. Ad esempio, l'obiettivo dello scenario è quello di poter stimare la taglia degli stivali di un cane, in base alla taglia dell'imbracatura.
Affinché un computer possa comprendere l'obiettivo, è necessario fornire l'obiettivo come frammento di codice denominato funzione obiettivo (nota anche come funzione di costo). Le funzioni obiettivo valutano se il modello sta funzionando in modo corretto (stimando bene la taglia degli stivali) o in modo non corretto (stimando male la taglia degli stivali). Le funzioni obiettivo verranno approfondite nel materiale didattico successivo.
Dati
I dati si riferiscono alle informazioni fornite al modello (note anche come input). In questo scenario l'input è la taglia dell'imbracatura.
I dati si riferiscono anche alle informazioni che potrebbero essere necessarie alla funzione obiettivo. Ad esempio, se la funzione obiettivo indica se il modello ha indovinato correttamente la taglia degli stivali, deve conoscere la taglia corretta degli stivali. Per questo motivo nell'esercizio precedente sono state fornite sia le taglie dell'imbracatura che le risposte corrette al codice di training.
Si proverà a usare tali dati nell'esercizio successivo.
Ottimizzatore
Durante il training, il modello esegue una previsione e la funzione obiettivo calcola la correttezza dell'esecuzione. L'ottimizzatore è il codice che modifica quindi i parametri del modello in modo che il modello possa restituire risultati migliori la volta successiva.
Il modo in cui un ottimizzatore regola questi parametri è complesso e verrà illustrato nel materiale successivo. Non bisogna tuttavia farsi scoraggiare: in genere non si scrivono gli ottimizzatori, ma si usano framework open source in cui il lavoro più complesso è già stato svolto.
È importante tenere presente che l'obiettivo, i dati e l'ottimizzatore sono semplicemente un mezzo per eseguire il training del modello. Non sono necessari una volta completato il training. È anche importante ricordare che il training modifica solo i valori dei parametri all'interno di un modello, senza modificare il tipo di modello usato.