Tama bang tawagan ang proseso ng pag-update ng mga parameter ng w at b bilang isang hakbang sa pagsasanay ng machine learning?
Ang isang hakbang sa pagsasanay sa konteksto ng machine learning ay tumutukoy sa proseso ng pag-update ng mga parameter, partikular ang mga timbang (w) at mga bias (b), ng isang modelo sa yugto ng pagsasanay. Ang mga parameter na ito ay mahalaga habang tinutukoy nila ang pag-uugali at pagiging epektibo ng modelo sa paggawa ng mga hula. Samakatuwid, ito ay talagang tama na sabihin
- Inilathala sa Artipisyal na Talino, EITC/AI/GCML Google Cloud Machine Learning, Mga unang hakbang sa Pag-aaral ng Machine, Plain at simpleng mga estimator
Ano ang ilang hyperparameter na maaari naming eksperimento upang makamit ang mas mataas na katumpakan sa aming modelo?
Upang makamit ang mas mataas na katumpakan sa aming modelo ng machine learning, mayroong ilang hyperparameter na maaari naming eksperimento. Ang mga hyperparameter ay mga adjustable na parameter na itinakda bago magsimula ang proseso ng pag-aaral. Kinokontrol nila ang pag-uugali ng algorithm ng pag-aaral at may malaking epekto sa pagganap ng modelo. Ang isang mahalagang hyperparameter na dapat isaalang-alang ay