Por lo general, al final de cada época, mediría su precisión y pérdida contra un conjunto de validación.
La medición de precisión podría ser tan simple como calcular el MSE (Error Cuadrático Medio) de las predicciones correctas a partir de un número total de predicciones.
No importa que solo tenga una capa oculta, la precisión se mide a nivel de modelo, independientemente de la cantidad de capas que tenga.
- Estoy creando un plan de enrutamiento de vehículos con la ruta y el costo más bajos. ¿Sería más significativo el agrupamiento k-k o los vecinos k-más cercanos?
- Si uno está tratando de construir un codificador automático para el conjunto de datos MNIST, ¿debería normalizar los datos sin procesar?
- ¿En qué se diferencia LSTM de RNN? En una explicación laica.
- Cómo visualizar Kernel CNN con una profundidad mayor de 3
- ¿Dónde usamos las matemáticas discretas y la probabilidad en informática?
Siempre tenga en cuenta mantener un pequeño conjunto de datos para probar justo al final para obtener una vista independiente de su medición de precisión .
A continuación se muestra un breve fragmento de TensorFlow que define una medición de precisión:
# Evaluar modelo
correct_pred = tf.equal (tf.argmax (modelo, 1), tf.argmax (y, 1))
precisión = tf.reduce_mean (tf.cast (correct_pred, tf.float32))
