Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Машинное обучение было бы легким делом, если бы все наши кривые потерь выглядели так, когда мы впервые обучали нашу модель:
Но на самом деле кривые потерь могут быть довольно сложными для интерпретации. Используйте свое понимание кривых потерь, чтобы ответить на следующие вопросы.
1. Моя модель не тренируется!
Ваш друг Мел и вы продолжаете работать над предсказателем внешности единорога. Вот ваша первая кривая потерь.
Опишите проблему и то, как Мэл может ее решить:
Нажмите на значок плюса, чтобы развернуть раздел и открыть ответ.
Ваша модель не сходится. Попробуйте выполнить следующие действия по отладке:
Проверьте, могут ли ваши функции предсказать метки, выполнив шаги в разделе Отладка модели .
Сравните свои данные со схемой данных, чтобы обнаружить плохие примеры.
Если обучение выглядит нестабильным, как на этом графике, уменьшите скорость обучения, чтобы модель не прыгала в пространстве параметров.
Упростите свой набор данных до 10 примеров, на основе которых ваша модель может делать прогнозы. Получите очень низкую потерю в сокращенном наборе данных. Затем продолжите отладку модели на полном наборе данных.
Упростите свою модель и убедитесь, что модель превосходит базовый уровень. Затем постепенно усложняйте модель.
2. Моя потеря взорвалась!
Мэл показывает вам другую кривую. Что здесь происходит и как она может это исправить? Напишите свой ответ ниже.
Нажмите на значок плюса, чтобы развернуть раздел и открыть ответ.
Значительное увеличение потерь обычно вызвано аномальными значениями входных данных. Возможные причины:
NaN во входных данных.
Взрывной градиент из-за аномальных данных.
Деление на ноль.
Логарифм нуля или отрицательных чисел.
Чтобы исправить взрывную потерю, проверьте наличие аномальных данных в ваших пакетах и в ваших инженерных данных. Если аномалия кажется проблематичной, исследуйте причину. В противном случае, если аномалия выглядит как выбросы данных, убедитесь, что выбросы равномерно распределены между пакетами, перетасовав ваши данные.
3. Мои показатели противоречивы!
Мэл хочет, чтобы вы взяли другую кривую. Что происходит и как она может это исправить? Напишите свой ответ ниже.
Опишите проблему и то, как Мэл может ее решить:
Нажмите на значок плюса, чтобы развернуть раздел и открыть ответ.
Отзыв застрял на 0, потому что вероятность классификации ваших примеров никогда не превышает порог для положительной классификации. Такая ситуация часто возникает в задачах с большим дисбалансом классов . Помните, что библиотеки машинного обучения, такие как TF Keras, обычно используют пороговое значение по умолчанию 0,5 для расчета метрик классификации.
Попробуйте выполнить следующие действия:
Снизьте порог классификации.
Проверьте метрики, не зависящие от порога, такие как AUC.
4. Потери при тестировании чертовски высоки!
Мел показывает вам кривые потерь для обучения и тестирования наборов данных и спрашивает: «Что не так?» Напишите свой ответ ниже.
Опишите проблему и то, как Мэл может ее решить:
Нажмите на значок плюса, чтобы развернуть раздел и открыть ответ.
Ваша модель подходит к обучающим данным. Попробуйте выполнить следующие действия:
Уменьшите вместимость модели.
Добавьте регуляризацию.
Убедитесь, что тренировочные и тестовые сплиты статистически эквивалентны.
5. Моя модель застревает
Вы терпеливы, когда через несколько дней Мел возвращается с еще одной кривой. Что здесь происходит и как Мэл может это исправить?
Опишите проблему и то, как Мэл может ее решить:
Нажмите на значок плюса, чтобы развернуть раздел и открыть ответ.
Ваша потеря демонстрирует повторяющееся, ступенчатое поведение. Вполне вероятно, что входные данные, видимые вашей моделью, сами демонстрируют повторяющееся поведение. Убедитесь, что перетасовка удаляет повторяющееся поведение из входных данных.
Это работает!
"Теперь все работает отлично!" — восклицает Мэл. Она торжествующе откидывается на спинку стула и глубоко вздыхает. Изгиб выглядит великолепно, и вы сияете от достижений. Мел и вы обсудите следующие дополнительные проверки для проверки вашей модели.