Özet
Hem dengeli verilerle hem de dengesiz verilerle karmaşık sınıflandırma modellerini geliştirmeyi öğrenmek için biraz zaman harcadık. Sorunları tanımlayıp modellerimizi şu şekilde geliştirebileceğimizi öğrendik:
- Modelin hata türlerini daha iyi değerlendirmek.
- Verilerimizi yeniden dengeleme veya modelimizin değerlendirilme şeklini değiştirme.
- Model mimarisini değiştirme.
- Hiper parametrelerle çalışma.
Makine öğrenmesi uzmanları, karmaşık verilerle çalışırken çoğu zaman model mimarisini değiştirmeye ve modellerini geliştirmek için hiper parametrelerle çalışmaya ayırır. Yanlış ayarların model performansını nasıl incitebileceğini veya geliştirebileceğini gördük. Buna karar vermek için önemli bir faktör, söz konusu veri kümesinin boyutudur. Genellikle daha küçük veri kümelerimiz olduğunda mimariyi ve hiper parametreleri ayarlamak modellerde boyutlanabilir geliştirmeler yapabilir. Çok büyük veri kümelerinde bunlar genellikle modellerimizden az miktarda performans kazancı elde edebilir.