Setelah model berfungsi, kini saatnya mengoptimalkan kualitas model. Ikuti langkah-langkah di bawah ini.
Menambahkan Fitur yang Berguna
Anda dapat meningkatkan performa model dengan menambahkan fitur yang mengenkode informasi belum dienkode oleh fitur yang ada. Anda dapat menemukan korelasi linear antara fitur dan label individual dengan menggunakan matriks korelasi. Untuk mendeteksi korelasi nonlinear antara fitur dan label, Anda harus melatih model dengan dan tanpa fitur, atau kombinasi fitur, dan memeriksa peningkatan kualitas model. Anda harus menjelaskan penyertaan fitur dengan peningkatan kualitas model.
Sesuaikan Hyperparameter
Anda menemukan nilai hyperparameter yang membuat model Anda berfungsi. Namun, nilai hyperparameter ini masih bisa disesuaikan. Anda dapat menyesuaikan nilai secara manual berdasarkan uji coba dan error, tetapi penyesuaian manual dapat memakan waktu. Sebagai gantinya, pertimbangkan untuk menggunakan layanan penyesuaian hyperparameter otomatis, seperti Tuning Hyperparameter Cloud ML.
Menyesuaikan Kedalaman dan Lebar Model
Saat men-debug model, Anda hanya meningkatkan kedalaman dan lebar model. Sebaliknya, selama pengoptimalan model, Anda dapat menambah atau mengurangi kedalaman dan lebar sesuai dengan sasaran Anda. Jika kualitas model Anda memadai, coba kurangi kelebihan dan waktu pelatihan dengan mengurangi kedalaman dan lebar. Khususnya, coba kurangi separuh lebar di setiap lapisan berikutnya. Karena kualitas model Anda juga akan menurun, Anda perlu menyeimbangkan kualitas dengan waktu overfit dan pelatihan.
Sebaliknya, jika Anda memerlukan kualitas model yang lebih tinggi, coba tingkatkan kedalaman dan lebar. Sebagai contoh, lihat latihan Neural Network Playground ini. Ingat bahwa peningkatan kedalaman dan lebar praktis dibatasi dengan menemani peningkatan waktu pelatihan dan overfit. Untuk memahami overfit, lihat Generalisasi: Bahaya Overfit.
Karena kedalaman dan lebar adalah hyperparameter, Anda dapat menggunakan penyesuaian hyperparameter untuk mengoptimalkan kedalaman dan lebar.