知識檢定

檢定您的知識

將資料進行正規化處理有何好處？

加快訓練速度

更精確地移除遺漏值

識別偏好的訓練演算法

您所訓練的模型在訓練資料集上表現得很好，但在測試資料集上表現得不好。可能是發生什麼情形了？

發生了學習不足的情形，而且模型不夠精確。請繼續訓練。

發生過度學習，而且您的模型在訓練外的新資料上表現不佳。您可以提早停止訓練，或收集更多樣化的資料。

您的模型沒問題。您只要改成使用訓練資料來測試模型即可。

您的模型會用在極富考驗的應用程式中，因此必須有相當可靠的表現。有什麼方法適合用來測試模型在艱鉅情況下是否可靠？

建立較大型的訓練資料集

使用留出方法，並建立第三個特殊資料集，專門用來納入模型輸出需要符合表現閾值的範例。

在訓練時仔細留意費用。如果您收到任何變化，您可以停止訓練。

您必須先回答所有問題，才能檢查進度。