Aşağıdaki seçenekleri keşfedin.

Model geliştirme yinelemelerini artırmak için bir test kümesi ve bir eğitim grubu kullanarak işlemleri inceledik. Her yinelemede, eğitim verileri konusunda eğitilir ve test verileri üzerinde değerlendirme yapılır. Bunun için test verilerindeki değerlendirme sonuçlarından yararlanarak, öğrenme hızı ve özellikler gibi çeşitli model hiperparametrelerinde seçim yapılmasına ve değişikliklerin değiştirilmesine yardımcı olur. Bu yaklaşımla ilgili bir sorun var mı? (Yalnızca bir yanıt seçin.)

Tamamdır, eğitim verileri ile ilgili eğitim ve ayrı, elde tutulan test verileri ile ilgili değerlendirmeler yapıyoruz.

Aslında burada küçük bir sorun var. Bu formda çok sayıda tekrarlama yapmış olsaydık neler olabileceğini düşünün.

Bu prosedürün çok sayıda turunu yapmak, belirli test grubumuzun özelliklerine uymamıza neden olabilir.

Evet. Belirli bir test kümesinde ne kadar sık değerlendirmede bulunursak, test grubuna dolaylı olarak uyum sağlama riskimiz o kadar artar. Şimdi, daha iyi bir protokole bakacağız.

Bu büyük bir verimsizdir. Kaynakları korumak için varsayılan bir hiperparametre grubu seçmeli ve bunlarla birlikte çalışmalıyız.

Bu tür yinelemeler pahalı olsa da model geliştirmenin kritik bir parçasıdır. Hiperparametre ayarları, model kalitesinde büyük bir fark yaratabilir. Bu nedenle, mümkün olan en iyi kaliteyi elde ettiğimizden emin olmak için her zaman kısa bir süre ve bilgi işlem kaynaklarına bütçe ayırmamız gerekir.