Después de completar el entrenamiento. todo lo que necesita hacer es pasar el ejemplo de prueba (la nueva oración) como entrada a la red (el formato de entrada debe ser el mismo que se usó durante el entrenamiento; puede ser un índice de palabras o lo que elija para el conjunto de entrenamiento). Luego, automáticamente, las características de alta dimensión (si esto es a lo que desea referir las neuronas de la capa oculta) se calcularán utilizando los pesos y sesgos entrenados. Y la salida se dará como 0 o 1, o la probabilidad de que sea POS o NER, dependiendo de cómo entrenó a su clasificador (ya sea un softmax o un binario).
Así que, esencialmente, no tiene que separarse para hacer algo, después de realizar el entrenamiento para calcular las características de alta dimensión. Ya están calculados durante la fase de entrenamiento. Todo lo que necesita hacer es obtener las activaciones de las muestras de prueba (que también se realiza automáticamente cuando pasa su entrada a la red).
- ¿Cuál es la relación entre un modelo múltiple que interactúa y un filtro de Kalman?
- ¿Importa el número de imágenes para cada categoría mientras se entrena para una red neuronal convolucional?
- Aparte del aprendizaje automático, ¿cuáles son algunos campos de la informática que requieren conocimientos matemáticos?
- ¿Qué son los SVM?
- Cómo hacer clustering de tipos de datos mixtos en Python
