เมื่อโมเดลทํางานได้แล้ว ก็ถึงเวลาเพิ่มประสิทธิภาพคุณภาพของโมเดล ทำตามขั้นตอนด้านล่างนี้
เพิ่มฟีเจอร์ที่เป็นประโยชน์
คุณปรับปรุงประสิทธิภาพของโมเดลได้โดยการเพิ่มฟีเจอร์ที่เข้ารหัสข้อมูลที่ยังไม่ได้เข้ารหัสโดยฟีเจอร์ที่มีอยู่ คุณสามารถหาความสัมพันธ์แบบเชิงเส้นระหว่างฟีเจอร์และป้ายกํากับแต่ละรายการได้โดยใช้เมทริกซ์ความสัมพันธ์ ในการตรวจจับความสัมพันธ์ที่ไม่ใช่แบบเชิงเส้นระหว่างฟีเจอร์และป้ายกํากับ คุณต้องฝึกโมเดลให้มีและไม่มีฟีเจอร์ หรือชุดค่าผสมของฟีเจอร์ และตรวจหาคุณภาพของโมเดลที่เพิ่มขึ้น คุณต้องอธิบายการรวมฟีเจอร์ ด้วยการเพิ่มคุณภาพของโมเดล
ปรับแต่งไฮเปอร์พารามิเตอร์
คุณพบค่าของไฮเปอร์พารามิเตอร์ที่ทําให้โมเดลทํางานได้ อย่างไรก็ตาม ค่าไฮเปอร์พารามิเตอร์เหล่านี้ยังสามารถปรับแต่งได้ คุณปรับแต่งค่าด้วยตนเองได้ ตามช่วงทดลองใช้และข้อผิดพลาด แต่การปรับแต่งด้วยตนเองนั้นใช้เวลานาน ให้พิจารณาใช้บริการปรับแต่งไฮเปอร์พารามิเตอร์อัตโนมัติ เช่น การปรับแต่งไฮเปอร์พารามิเตอร์ของ Cloud ML
ปรับความลึกและความกว้างของโมเดล
ขณะแก้ไขข้อบกพร่องของโมเดล คุณจะเพิ่มความกว้างและความสูงของโมเดลได้เท่านั้น ในทางกลับกัน ระหว่างการเพิ่มประสิทธิภาพโมเดล คุณจะเพิ่มหรือลดความลึกและความกว้างก็ได้ ทั้งนี้ขึ้นอยู่กับเป้าหมาย หากคุณภาพของโมเดลเพียงพอแล้ว ให้ลองลดเวลาที่ใช้ในการติดตั้งและการฝึกมากเกินไปด้วยการลดความลึกและความกว้าง โดยเฉพาะอย่างยิ่ง โปรดลดความกว้างลงครึ่งหนึ่งในแต่ละเลเยอร์ที่ตามมา เนื่องจากคุณภาพของโมเดลจะลดลงด้วย คุณจึงต้องรักษาสมดุลระหว่างคุณภาพ กับการจัดเวลามากเกินไปและเวลาในการฝึกอบรม
ในทางกลับกัน หากต้องการคุณภาพโมเดลที่สูงขึ้น ให้ลองเพิ่ม ความลึกและความกว้าง ตัวอย่างเช่น ดูที่ Neural Network Playground แบบฝึกหัดนี้ อย่าลืมว่าการเพิ่มความลึกและความกว้างนั้นในทางปฏิบัติโดยจํากัดเวลาในการฝึกและการปรับให้เหมาะสม หากต้องการทําความเข้าใจเกี่ยวกับการจับคู่มากเกินไป โปรดดูหัวข้อภาพรวม: ตัวอย่างของการเพิ่มประสิทธิภาพ
เนื่องจากความลึกและความกว้างเป็นไฮเปอร์พารามิเตอร์ คุณจึงใช้การปรับแต่ง ไฮเปอร์พารามิเตอร์เพื่อเพิ่มประสิทธิภาพความลึกและความกว้างได้