নীচের বিকল্পগুলি অন্বেষণ করুন.
আমরা মডেল উন্নয়নের পুনরাবৃত্তি চালানোর জন্য একটি পরীক্ষা সেট এবং একটি প্রশিক্ষণ সেট ব্যবহার করার একটি প্রক্রিয়া দেখেছি। প্রতিটি পুনরাবৃত্তিতে, আমরা প্রশিক্ষণের ডেটার উপর প্রশিক্ষণ দিব এবং পরীক্ষার ডেটার উপর মূল্যায়ন করব, পরীক্ষার ডেটার মূল্যায়ন ফলাফলগুলি ব্যবহার করে শেখার হার এবং বৈশিষ্ট্যগুলির মতো বিভিন্ন মডেল হাইপারপ্যারামিটারের পছন্দ এবং পরিবর্তনগুলিকে নির্দেশিত করতে। এই পদ্ধতির সঙ্গে কিছু ভুল আছে? (শুধু একটি উত্তর বাছুন।)
সম্পূর্ণরূপে ঠিক আছে, আমরা প্রশিক্ষণের ডেটা নিয়ে প্রশিক্ষণ দিচ্ছি এবং পৃথক, অনুষ্ঠিত-আউট পরীক্ষার ডেটার উপর মূল্যায়ন করছি।
আসলে, এখানে একটি সূক্ষ্ম সমস্যা আছে. আমরা যদি এই ফর্মটির অনেকগুলি, অনেকগুলি পুনরাবৃত্তি করি তবে কী ঘটতে পারে সে সম্পর্কে চিন্তা করুন।
এই পদ্ধতির অনেক রাউন্ড করার ফলে আমরা আমাদের নির্দিষ্ট পরীক্ষার সেটের বিশেষত্বের সাথে অস্পষ্টভাবে ফিট হতে পারি।
হ্যাঁ সত্যিই! প্রদত্ত পরীক্ষার সেটে আমরা যতবার মূল্যায়ন করি, তত বেশি আমরা সেই একটি পরীক্ষার সেটের সাথে অত্যধিক পরিচ্ছন্ন হওয়ার ঝুঁকিতে থাকি। আমরা পরবর্তী একটি ভাল প্রোটোকল দেখব.
এটি গণনাগতভাবে অদক্ষ। আমাদের শুধুমাত্র হাইপারপ্যারামিটারের একটি ডিফল্ট সেট বাছাই করা উচিত এবং সংস্থানগুলি সংরক্ষণ করতে তাদের সাথে বসবাস করা উচিত।
যদিও এই ধরণের পুনরাবৃত্তিগুলি ব্যয়বহুল, তারা মডেল বিকাশের একটি গুরুত্বপূর্ণ অংশ। হাইপারপ্যারামিটার সেটিংস মডেলের মানের ক্ষেত্রে একটি বিশাল পার্থক্য আনতে পারে, এবং আমরা সর্বদা আমরা যথাসাধ্য সেরা গুণমান পাচ্ছি তা নিশ্চিত করার জন্য আমাদের কিছু সময় এবং গণনামূলক সংস্থানগুলির বাজেট করা উচিত।