No estoy seguro de entender completamente a qué te refieres, así que explicaré el proceso con un punto de vista general.
Hay dos fases en el aprendizaje automático, primero el aprendizaje , donde el modelo intenta ajustarse a sus parámetros, es decir, aprende. Luego, la inferencia donde predecimos nuevos valores a partir de nuevas entradas y dado el modelo entrenado. Usualmente no cambiamos el modelo en inferencia.
En términos de datos, lo dividimos en tres “subconjuntos de datos” llamados: conjunto de entrenamiento, conjunto de validación y conjunto de prueba.
- ¿Hay puestos de ciencia de datos con un mayor énfasis en big data y estadísticas?
- ¿Sería difícil hacer una aplicación que tome fotos de partituras y las reproduzca en el instrumento elegido?
- ¿Es posible comprimir una gran cantidad de datos no redundantes, por ejemplo 1000 GB a 100 KB, sin perder ningún dato?
- ¿Qué es el análisis de datos grandes y el alcance de Hadoop?
- ¿Los teléfonos Apple consumen más datos?
Cada uno de esos conjuntos es una lista de pares (entrada, destino) donde la entrada son los datos de origen y el destino es lo que el modelo debe predecir.
En el entrenamiento, damos las entradas del modelo y comparamos su predicción con el objetivo . La diferencia es el error (también conocido como pérdida o costo ), que se supone que el modelo debe minimizar.
En algún momento del entrenamiento (por ejemplo, cada época para una red neuronal) calculamos la pérdida de validación, que es la diferencia entre el objetivo de validación y la predicción de validación calculada a partir de entradas de validación. Esto es útil para controlar el sobreajuste.
Cuando finaliza la capacitación, probamos el modelo contra el conjunto de prueba (mucho más grande que la prueba de validación) para asegurarnos de que nuestros resultados estén bien.
Para resumir tenemos:
- Conjunto de datos = (entradas, objetivos)
- predicción = model.predict (entradas)
- pérdida = objetivos – predicciones (o cualquier tipo de función que tome objetivos y predicciones como parámetros)
Entonces, supongo, la respuesta a su pregunta sería la predicción .