Cuando llegue el momento de entrenar a su clasificador o modelo, necesitará dividir sus datos en pruebas y datos de entrenamiento .
Por lo general, la mayoría de sus datos se destinarán a sus datos de entrenamiento, mientras que solo el 10-25% de sus datos se destinarán a pruebas. La capacitación informa a un modelo sobre cómo debería funcionar y tomar sus decisiones. Las pruebas solo nos dan una idea de qué tan bien está funcionando el clasificador.
Es importante tener en cuenta que no hay superposición entre los dos . En caso de que se superponga o use todos sus datos de entrenamiento para las pruebas, sus resultados de precisión serán incorrectos. Obviamente, cualquier clasificador que se pruebe en los datos que está entrenando funcionará muy bien, ya que habrá observado esos resultados antes, por lo que la precisión será alta, pero erróneamente.
- ¿Es el cerebro humano una gran red neuronal o está formado por muchas redes neuronales más pequeñas?
- Soy un graduado en ingeniería eléctrica. Quiero seguir estudios superiores en aprendizaje automático o inteligencia artificial en EE. UU. ¿Qué tengo que hacer?
- ¿Cuál es la filosofía de la matriz, la descomposición del tensor para encontrar la estructura latente?
- ¿Puede explicar la optimización convexa sin matrices de arpillera y solo la segunda derivada?
- ¿Qué son las características y clases en ingeniería de características?