একবার আপনার মডেল কাজ করছে, এটি মডেলের গুণমান অপ্টিমাইজ করার সময়। নিচের ধাপগুলো অনুসরণ করুন।
দরকারী বৈশিষ্ট্য যোগ করুন
আপনার বিদ্যমান বৈশিষ্ট্যগুলির দ্বারা এখনও এনকোড করা হয়নি এমন তথ্য এনকোড করার বৈশিষ্ট্যগুলি যোগ করে আপনি মডেলের কার্যকারিতা উন্নত করতে পারেন৷ পারস্পরিক সম্পর্ক ম্যাট্রিক্স ব্যবহার করে আপনি পৃথক বৈশিষ্ট্য এবং লেবেলের মধ্যে রৈখিক সম্পর্ক খুঁজে পেতে পারেন। বৈশিষ্ট্য এবং লেবেলের মধ্যে অরৈখিক পারস্পরিক সম্পর্ক সনাক্ত করতে, আপনাকে অবশ্যই বৈশিষ্ট্য সহ এবং ছাড়া মডেলটিকে প্রশিক্ষণ দিতে হবে, বা বৈশিষ্ট্যগুলির সংমিশ্রণ করতে হবে এবং মডেলের গুণমান বৃদ্ধির জন্য পরীক্ষা করতে হবে। মডেলের গুণমান বৃদ্ধির মাধ্যমে আপনাকে বৈশিষ্ট্যের অন্তর্ভুক্তির ন্যায্যতা প্রমাণ করতে হবে।
টিউন হাইপারপ্যারামিটার
আপনি হাইপারপ্যারামিটারের মান খুঁজে পেয়েছেন যা আপনার মডেলকে কাজ করে। যাইহোক, এই হাইপারপ্যারামিটার মান এখনও টিউন করা যেতে পারে। আপনি ট্রায়াল এবং ত্রুটি দ্বারা ম্যানুয়ালি মান টিউন করতে পারেন, কিন্তু ম্যানুয়াল টিউনিং সময় সাপেক্ষ। পরিবর্তে, একটি স্বয়ংক্রিয় হাইপারপ্যারামিটার টিউনিং পরিষেবা ব্যবহার করার কথা বিবেচনা করুন, যেমন ক্লাউড এমএল হাইপারপ্যারামিটার টিউনিং ।
টিউন মডেল গভীরতা এবং প্রস্থ
আপনার মডেল ডিবাগ করার সময়, আপনি শুধুমাত্র মডেলের গভীরতা এবং প্রস্থ বাড়িয়েছেন। বিপরীতে, মডেল অপ্টিমাইজেশানের সময়, আপনি আপনার লক্ষ্যের উপর নির্ভর করে গভীরতা এবং প্রস্থ বৃদ্ধি বা হ্রাস করেন। যদি আপনার মডেলের মান পর্যাপ্ত হয়, তাহলে গভীরতা এবং প্রস্থ হ্রাস করে ওভারফিটিং এবং প্রশিক্ষণের সময় কমানোর চেষ্টা করুন। বিশেষ করে, প্রতিটি পরপর স্তরে প্রস্থ অর্ধেক করার চেষ্টা করুন। যেহেতু আপনার মডেলের গুণমানও হ্রাস পাবে, তাই আপনাকে ওভারফিটিং এবং প্রশিক্ষণের সময়ের সাথে গুণমানের ভারসাম্য বজায় রাখতে হবে।
বিপরীতভাবে, আপনার যদি উচ্চতর মডেলের মানের প্রয়োজন হয়, তাহলে গভীরতা এবং প্রস্থ বাড়ানোর চেষ্টা করুন। উদাহরণস্বরূপ, এই নিউরাল নেটওয়ার্ক খেলার মাঠের অনুশীলন দেখুন। মনে রাখবেন যে গভীরতা এবং প্রস্থ বৃদ্ধি কার্যত প্রশিক্ষণের সময় বৃদ্ধি এবং অতিরিক্ত ফিটিং দ্বারা সীমিত। ওভারফিটিং বোঝার জন্য, সাধারণীকরণ: ওভারফিটিং এর বিপদ দেখুন।
যেহেতু গভীরতা এবং প্রস্থ হাইপারপ্যারামিটার, আপনি গভীরতা এবং প্রস্থ অপ্টিমাইজ করতে হাইপারপ্যারামিটার টিউনিং ব্যবহার করতে পারেন।