Вы отлаживаете свою модель машинного обучения, чтобы модель работала. Как только ваша модель заработает, вы оптимизируете качество модели для подготовки к производству. В этом разделе рассматриваются этапы отладки и оптимизации.
Чем отличается отладка ML?
Прежде чем углубляться в отладку машинного обучения, давайте разберемся, чем отладка моделей машинного обучения отличается от отладки типичных программ. В отличие от типичных программ, низкое качество в ML-модели не означает наличие бага. Вместо этого, чтобы отладить низкую производительность модели, вы исследуете более широкий спектр причин, чем при традиционном программировании.
Например, вот несколько причин низкой производительности модели:
- Функциям не хватает предсказательной силы.
- Гиперпараметры установлены на неоптимальные значения.
- Данные содержат ошибки и аномалии.
- Код разработки функций содержит ошибки.
Отладка моделей машинного обучения усложняется временем, которое требуется для проведения экспериментов. Учитывая более длительные циклы итераций и большее пространство для ошибок, отладка моделей машинного обучения является уникально сложной задачей.
Процесс разработки модели машинного обучения
Если вы будете следовать рекомендациям по разработке модели машинного обучения, отладка вашей модели машинного обучения будет проще. Эти передовые методы заключаются в следующем:
- Начните с простой модели, которая использует одну или две функции. Начиная с простой, легко отлаживаемой модели, вы сузите круг возможных причин низкой производительности модели.
- Заставьте свою модель работать, попробовав различные функции и значения гиперпараметров. Старайтесь максимально упростить модель, чтобы упростить отладку.
- Оптимизируйте свою модель, повторяя эти изменения:
- добавление функций
- настройка гиперпараметров
- увеличение мощности модели
- После каждого изменения модели пересматривайте свои показатели и проверяйте, повышается ли качество модели. Если нет, отладьте свою модель, как описано в этом курсе.
- По мере выполнения итерации убедитесь, что вы постепенно и постепенно усложняете свою модель.