Набор для проверки: проверьте свою интуицию

Прежде чем приступить к этому модулю, подумайте, есть ли какие-либо подводные камни при использовании процесса обучения, описанного в разделах «Обучающие и тестовые наборы» .

Изучите варианты ниже.

Мы рассмотрели процесс использования тестового набора и обучающего набора для управления итерациями разработки модели. На каждой итерации мы обучались на обучающих данных и оценивали тестовые данные, используя результаты оценки тестовых данных для выбора и изменения различных гиперпараметров модели, таких как скорость обучения и функции. Есть ли что-то неправильное в этом подходе? (Выберите только один ответ.)
Совершенно нормально, мы тренируемся на обучающих данных и оцениваем на отдельных, сохраненных тестовых данных.
На самом деле здесь есть тонкий вопрос. Подумайте, что могло бы произойти, если бы мы сделали много-много итераций этой формы.
Выполнение многих раундов этой процедуры может привести к неявному приспособлению к особенностям нашего конкретного набора тестов.
Да, в самом деле! Чем чаще мы оцениваем данный набор тестов, тем больше мы подвергаемся риску неявного переоснащения этим набором тестов. Далее мы рассмотрим лучший протокол.
Это вычислительно неэффективно. Нам нужно просто выбрать набор гиперпараметров по умолчанию и жить с ними, чтобы сэкономить ресурсы.
Хотя такого рода итерации обходятся дорого, они являются важной частью разработки модели. Настройки гиперпараметров могут существенно повлиять на качество модели, и мы всегда должны выделять определенное количество времени и вычислительных ресурсов, чтобы гарантировать максимально возможное качество.