Según lo sugerido por Dean, puede comparar el rendimiento de su modelo en el conjunto de entrenamiento y un conjunto retenido (también llamado conjunto de validación). Para hacer esto, trace el error del conjunto de entrenamiento y validación contra el tamaño del conjunto de entrenamiento. [el error de validación proporciona una estimación del error de prueba. ]
Si ve una gráfica como esta, representa un alto sesgo, porque la validación cruzada y el error de entrenamiento son altos
- ¿Cuáles son los buenos libros para el aprendizaje automático?
- ¿Cómo se diseñan y desarrollan las nuevas arquitecturas de aprendizaje profundo?
- ¿Me puede explicar sobre el aprendizaje automático? ¿Cuál es el alcance del aprendizaje automático?
- ¿Dónde puedo aprender sobre los conceptos básicos de la inteligencia artificial?
- ¿Hay trabajos de investigación que utilicen el aprendizaje profundo para tomar decisiones clínicas?
Si ve un gráfico como este, representa una gran varianza, porque hay una gran brecha entre el error de entrenamiento y el error de validación cruzada
Para comprender los detalles, consulte el curso de aprendizaje automático Prof. Andrew Ng.
Todas las notas se resumen aquí: 10_Advice_for_applying_machine_learning
