Giriş
Modelleri eğit şeklimiz hiçbir şekilde mükemmel otomatikleştirilmiş bir işlem değildir. Eğitimin verilere körü körüne bağlı olması, sonunda yararlı olmayan şeyleri öğrenmesine veya gerçekten yararlı olan şeyleri etkili bir şekilde öğrenmemesine neden olabilir. Aşağıdaki öğrenme materyalleri, yetersiz uygunluk ve fazla uygunluk nedenlerinin ve bu konuda neler yapabileceğinizi gösteren bazı basit nedenlerde yol gösterir.
Senaryo: Çığ kurtarma köpeklerini eğitme
Bu modül boyunca, yetersiz uygunluk ve fazla uygunluk konularını açıklamak için aşağıdaki örnek senaryoyu kullanacağız. Bu senaryo, kendiniz için programlama yaparken bu kavramları nasıl karşılayabileceğinize ilişkin bir örnek sağlamak üzere tasarlanmıştır. Bu ilkelerin yalnızca burada birlikte çalıştığımız modeller için değil, neredeyse tüm model türleri için geçerli olduğunu unutmayın.
Hayırseverlik için yeni nesil köpeklerin, avalantiklar tarafından sürüklenen yürüyüşçüleri bulmaları için eğitme zamanı geldi. Ofiste hangi köpeklerin en iyi olduğu tartışılır; Büyük bir köpek daha küçük bir köpekten daha mı iyidir? Köpekler gençken mi yoksa daha olgunken mi eğitilmeli? Neyse ki, son birkaç yılda gerçekleştirilen kurtarma işlemleriyle ilgili istatistiğiniz var. Ancak köpekleri eğitmek pahalıdır ve köpek toplama ölçütlerinizin sağlam olduğundan emin olmanız gerekir.
Önkoşullar
- Makine öğrenmesi modelleri hakkında bilgi
Öğrenme hedefleri
Bu modülde şunları yapacaksınız:
- Özellik normalleştirmeyi tanımlayın.
- Test veri kümeleri oluşturun ve bunlarla çalışın.
- Test modellerinin eğitimi nasıl iyileştirebileceğini ve zarar verebileceğini ifade edin.