|
Model tayyorlash va sifat
|
| bet | 5/11 | | Sana | 19.12.2023 | | Hajmi | 94,65 Kb. | | #124237 |
Bog'liq 1-Amaliy ish1.2. Model tayyorlash va sifat
Mashinani o'rganishda nazorat ostida o'rganish (rag'batlantirish-javob juftligi ma'lum bo'lganda), nazoratsiz o'rganish (ma'lumotlarda ilgari noma'lum naqshlarni topish) va ta'limni mustahkamlash (ba'zi bir muhit bilan o'zaro ta'sir qilish paytida). Qayd etilganidek yuqorida, neyron tarmoqning asosiy afzalligi mavjud ma'lumotlar misollaridan o'rganish qobiliyatidir, ya'ni. erishish uchun uning ichki tuzilishini (birinchi navbatda parametr qiymatlari) moslashtiring muammoni hal qilishning eng yuqori aniqligi (kuzatilgan xatoni minimallashtirish). Ko'pchilik backpropagation zamonaviy neyron tarmoqlar uchun samarali o'rganish algoritmi hisoblanadi xatolar. Aslida, NN chiqishida olingan natija to'g'ri bilan taqqoslanadi, keyin esa chiqish qatlamidan ichki qatlamlar bo'ylab harakatlanadigan algoritm ulanishlardagi og'irliklarning qiymatlarini o'zgartiradi. xatolarni kamaytirish uchun neyronlar.
Treningni amalga oshirish uchun, qoida tariqasida, barcha mavjud ma'lumotlar to'plami bo'linadi ba'zi nisbatlar (masalan, 0,7: 0,1: 0,2) uchta kichik to'plamga:
Trening to'plami - aslida parametrlarni sozlash uchun ishlatiladi Ulardagi xatolikni minimallashtirish orqali modellar.
Validatsiya to‘plami – nazorat qilish uchun vaqti-vaqti bilan foydalaniladi neyron tarmog'ining haddan tashqari yuklanishini oldini olish uchun o'quv jarayoni.
Test ma'lumotlari (sinov to'plami) - o'qitilganlarning qobiliyatini tekshirish uchun ishlatiladi umumlashtirish uchun modellar (yangi, ilgari ko'rilmagan bilan ishlash qobiliyati) ma'lumotlar modeli). Modelning sifati, qoida tariqasida, uning aniqligi sifatida tushuniladi. test ma'lumotlari ustida ishlash
Neyron tarmog'ining yakuniy sifatining eng keng tarqalgan ko'rsatkichlaridan biri model - o'rtacha kvadrat xatosi (MSE), o'rtacha masofani aks ettiradi model bashorat qilingan qiymatlar va haqiqiy qiymatlar o'rtasida. MSE qiymati ijobiy va 0 ga qanchalik yaqin bo'lsa, modelning sifati shunchalik yaxshi bo'ladi.
Hatto ideal holatda ham neyron tarmoqning xato qiymati 0 ga to'liq teng bo'lmasligi kerak; aks holda ular "ortiqcha mashq qilish" fenomeni haqida gapirishadi, ya'ni. funktsional o'rnatish ta'lim ma'lumotlariga bog'liq. Bunday model, ehtimol, past aniqlikni ko'rsatadi test ma'lumotlari, chunki ular model "moslashtirilgan" ma'lumotlardan farq qiladi. Odatda, o'quv ma'lumotlari miqdori kichik bo'lsa va kiritilgan ma'lumotlar soni bo'lsa, ortiqcha moslama sodir bo'ladi NNdagi parametrlar va neyronlar nisbatan katta. Ta'lim ma'lumotlari miqdorini oshirishdan tashqari va ortiqcha mashg'ulotlarni oldini olish uchun o'quv davrlari sonini qisqartirish; Shuningdek, quyidagi strategiyalar:
Muntazamlashtirish - agar vaznlar juda katta yoki juda katta bo'lsa, modelga jarima qo'shadi juda ko'p.
Dropout - ba'zi tugunlarni olib tashlash (odatda ma'lum bir ehtimollik bilan). NS dan uning tuzilishi ortiqcha murakkablashmasligi uchun.
Ma’lumotlarni partiyalarga bo‘lish (to‘plam hajmi) – algoritmni hammasi bilan ham ta’minlash ta'lim ma'lumotlarini bir vaqtning o'zida va ularni kichik to'plamlarga bo'lish.
|
| |
