De hecho, estoy trabajando en Neural Nets, así que me gustaría darle una oportunidad a esta pregunta. Por favor comente si hay dudas o correcciones para el mismo.
Para un clasificador de redes neuronales, las métricas tienden a ser ‘Precisión’, ‘Pérdida’, etc., lo cual se ha discutido aquí (Enlace).
Para una red neuronal de regresión, las métricas son ‘Factor de correlación’, ‘Pérdida’, ‘Binary_Cross_Entropy’ y así sucesivamente.
- ¿Cuáles son los famosos programas de IA sobre ajedrez?
- ¿Puede el aprendizaje automático predecir la dificultad de las piezas para piano?
- ¿Quiero crear una herramienta de reconocimiento de escritura a mano con red neuronal usando MATLAB?
- ¿El robot fedor ruso es real o propagandístico? ¿La IA es lo suficientemente avanzada como para disparar 2 pistolas al mismo tiempo?
- ¿La IA alguna vez tendrá emociones y autoconciencia como los humanos?
La representación gráfica entre dos métricas o una métrica con épocas nos da una idea bastante generalizada sobre la eficiencia de dicha red neuronal.
Sin embargo, las métricas prácticas incluirían la cantidad de GPU que se utilizan para entrenar la red, el tiempo necesario para hacerlo, la complejidad del conjunto de datos y la arquitectura del modelo. Por ejemplo, la red neuronal más compleja en estos sentidos sería 1. Google NN: tardó una semana en entrenar en cientos de GPU (lo siento, no pude encontrar el enlace) 2. Un grupo europeo entrenó a un NN de 16 capas
¡Aclamaciones!
