כדאי לעיין באפשרויות הבאות.
בדקנו תהליך של שימוש בקבוצת בדיקה והדרכה
לפיתוח השינויים במודל. בכל חזרה, אנחנו מאמנים את נתוני האימון ומעריכים את נתוני הבדיקה. לשם כך, אנחנו משתמשים בתוצאות ההערכה על נתוני הבדיקה כדי להנחות את הבחירות לגבי פרמטרים שונים של מודל, כמו שיעור הלמידה ותכונות. האם יש משהו
שגוי בגישה הזו? (בחרו תשובה אחת בלבד).
בסדר גמור, אנחנו עוברים הכשרה על נתוני הדרכה ובודקים את נתוני הבדיקה הנפרדים.
למעשה, יש כאן בעיה קלה. נסו לחשוב מה יקרה אם תנסו לבצע הרבה איטרציות של הטופס.
סבבים רבים של ההליך הזה עשויים לגרום לנו להתאים באופן לא מפורש
את התכונות הספציפיות של קבוצת הבדיקה הספציפית שלנו.
כן בהחלט. ככל שאנחנו בודקים לעתים קרובות יותר את קבוצת הבדיקות, כך
אנחנו מסתכלים יותר באופן בלתי הולם על אותה קבוצת בדיקה.
בהמשך נבדוק את הפרוטוקול טוב יותר.
מדד זה אינו יעיל מבחינה חישובית. אנחנו צריכים לבחור קבוצת ברירת מחדל של
היפר-פרמטרים ולגור איתם כדי לחסוך משאבים.
אומנם סוגי הגרסאות האלה יקרים, אבל הם חלק חיוני
בפיתוח המודלים. להגדרות של היפר-פרמטרים יש השפעה עצומה על איכות המודל, ואנחנו צריכים תמיד לתקצת קצת זמן ומשאבים חישוביים כדי להבטיח שהאיכות תהיה גבוהה ככל האפשר.