¿Qué tan efectivamente se pueden usar las redes neuronales en la regresión?
Primero, ¿qué tan grande y rico es su conjunto de datos? Se sabe que la Red Neural es efectiva en la regresión, pero de manera más efectiva con un conjunto de datos más grande, a medida que entrena y alimenta más datos al modelo de red, identificará patrones y tendrá una mejor comprensión de los datos. Sin embargo, no significa que no funcionará tan bien con datos limitados, pero en la naturaleza las redes neuronales a menudo se alimentan o entrenan con muchos datos.
¿Es posible alguna configuración que prediga un número que no se ve en los datos de entrenamiento?
- Cómo aumentar mis posibilidades de ser seleccionado en un programa de doctorado en aprendizaje automático o inteligencia artificial
- ¿Existen motores / algoritmos que puedan equiparar el significado de dos oraciones?
- ¿Cuál es la mejor manera de analizar y predecir en base a un conjunto de datos que tiene texto y números?
- ¿Qué tecnologías de IA están disponibles para el reconocimiento del usuario por comportamiento (interacción con el sistema), estilo de escritura, etc. y cómo procedo a hacer una?
- ¿Dónde puede encontrar ejemplos de codificación de TensorFlow no obsoletos?
Sí, puede intentar ajustar los hiperparámetros y verificar si los resultados mejoran o no. Es importante saber qué tan rico es su conjunto de datos? Lo que quiero decir es que si tienes cientos de miles de datos en formación que solo tienen los números 1–100 y los datos de la prueba contendrían 100–150, entonces eso no produciría buenos resultados ya que el modelo probablemente trataría números invisibles como valores atípicos y no se molestará en aprender sobre ellos. Consideraría hacer algunas técnicas de validación cruzada con los datos que tiene.
- Mezcle los datos antes de dividirlos en 70-30.
- Entrenar.
- Ver resultados.
- Ajustar hiperparámetros.
- Repetir.