يُرجى الاطّلاع على الخيارات أدناه.

لقد درسنا عملية استخدام مجموعة اختبار ومجموعة تدريب لمساعدتك على تكرار إنشاء نماذج جديدة. في كل تكرار، نعمل على تدريب بيانات التدريب وتقييمها على بيانات الاختبار، وذلك باستخدام نتائج التقييم في بيانات الاختبار لإرشادك إلى اختيارات النماذج العالية جدًا للمعلّمات المختلفة، مثل معدّل التعلُّم والميزات، والتغييرات التي يتم إجراؤها عليها. هل هناك أي خلل في هذا المنهج؟ (اختَر إجابة واحدة فقط.)

إنّنا نطبّق تدريبًا كاملاً على بيانات التدريب ونقيّم على بيانات اختبار منفصلة ومثبّتة.

في الواقع، هناك مشكلة بسيطة هنا. فكِّر في ما يمكن أن يحدث إذا نجحنا في تكرار هذا النموذج مرات كثيرة.

قد يؤدي إجراء العديد من الجولات من هذا الإجراء إلى التوافق ضمنيًا مع ميزات مجموعة الاختبارات المحدّدة.

نعم بالتأكيد. وكلما زاد تقييمنا لمجموعة اختبارات معيّنة، زاد احتمال تعرُّضنا لمجموعة من هذه الاختبارات. سنستعرض بروتوكولاً أفضل لاحقًا.

وهذا الإجراء غير فعّال من الناحية الحاسوبية. علينا فقط اختيار مجموعة تلقائية من المعلَمات فائقة الدقة واستخدام هذه المكوّنات لتوفير الموارد.

هذه الأنواع من التكرارات باهظة الثمن، ولكنها جزء أساسي في تطوير النموذج. يمكن أن تؤدي إعدادات المعلَمات الفائقة إلى فارق كبير في جودة النموذج، ومن المفترض أن نخصّص دائمًا قدرًا من الوقت والموارد الحاسوبية لضمان حصولنا على أفضل جودة ممكنة.