Depois que o modelo estiver funcionando, é hora de otimizar a qualidade dele. Basta seguir as etapas abaixo.
Adicione recursos úteis
É possível melhorar o desempenho do modelo adicionando recursos que codificam informações ainda não codificadas pelos recursos atuais. Você pode encontrar correlações lineares entre atributos e rótulos individuais usando matrizes de correlação. Para detectar correlações não lineares entre atributos e rótulos, é necessário treinar o modelo com e sem o atributo ou a combinação de recursos e verificar um aumento na qualidade do modelo. É preciso justificar a inclusão do recurso por um aumento na qualidade do modelo.
Ajustar hiperparâmetros
Você encontrou valores de hiperparâmetros que fazem seu modelo funcionar. No entanto, esses valores de hiperparâmetros ainda podem ser ajustados. É possível ajustar os valores manualmente por teste e erro, mas o ajuste manual é demorado. Em vez disso, considere usar um serviço automatizado de ajuste de hiperparâmetros, como o Cloud ML Hyperparameter Tuning.
Ajustar a profundidade e a largura do modelo
Durante a depuração do modelo, você apenas aumentou a profundidade e largura do modelo. Por outro lado, durante a otimização do modelo, você aumenta ou diminui a profundidade e a largura, dependendo das suas metas. Se a qualidade do modelo for adequada, experimente reduzir o overfitting e o tempo de treinamento diminuindo a profundidade e a largura. Especificamente, tente reduzir a largura em cada camada sucessiva. Como a qualidade do seu modelo também diminui, você precisa equilibrar a qualidade com o overfitting e o tempo de treinamento.
Por outro lado, se você precisar de uma qualidade de modelo mais alta, tente aumentar a profundidade e a largura. Para ver um exemplo, consulte este exercício do Playground de rede neural. Lembre-se de que os aumentos de profundidade e largura são praticamente limitados por acompanhar o aumento do tempo de treinamento e do overfitting. Para entender o overfitting, consulte Generalização: perigo de overfitting.
Como a profundidade e a largura são hiperparâmetros, você pode usar o ajuste de hiperparâmetros para otimizar a profundidade e a largura.