Accueil>Tests>Questions>Le jeu de validation est utilisé pour fournir des évaluations fréquentes et non biaisées de l'ajustement du modèle sur le jeu d'entraînement tout en ajustant ses hyperparamètres/paramètres: en d'autres termes, le modèle est trouvé et ensuite testé sur le jeu de validation avant d'être amélioré une fois de plus.
Question du test Machine learning - Les bases
Le jeu de validation est utilisé pour fournir des évaluations fréquentes et non biaisées de l'ajustement du modèle sur le jeu d'entraînement tout en ajustant ses hyperparamètres/paramètres: en d'autres termes, le modèle est trouvé et ensuite testé sur le jeu de validation avant d'être amélioré une fois de plus.
Intermédiaire
Le jeu de donnée de/d’ _____ est utilisé afin d’évaluer de manière régulière et impartiale les performances du modèle au fure et à mesure de l'amélioration de ses paramètres et hyperparamètres. En d’autre termes, le modèle est d’abord développé, celui-ci est ensuite essayé sur le jeu de données de ____ avant d’être à nouveau amélioré.
Quel est le mot manquant?
Auteur: MartinStatut : PubliéeQuestion passée 1262 fois
Modifier
11
Évaluations de la communautéPersonne n'a encore évalué cette question, soyez le premier !
10
Comment gérer les données manquantes dans un jeu de données d'apprentissage donné ?4
Donné un jeu de données, quels éléments vous aideront à choisir quel modèle / méthode d'apprentissage automatique utiliser pour créer un modèle efficace?5
Quelles sont les différences/similarités entre une fonction de perte, une fonction d'erreur et une fonction de coût?7
Quel est le mot manquant dans la phrase suivante : Overfitting est la production d'un modèle qui correspond trop étroitement à l'ensemble de données d'apprentissage et peut donc ne pas s'adapter à d'autres ensembles de données et donc ne pas effectuer de prévision fiable.5
Qu'est-ce que l'apprentissage par ensemble ? Il consiste à …18
Comment gérer les données manquantes dans un jeu de données d'apprentissage donné ?5
Clustering est un processus d'apprentissage automatique non supervisé qui vise à découvrir automatiquement des regroupements naturels dans les données d'entrée. Lorsque cette méthode est utilisée, le développeur peut choisir le nombre de groupes qu'il souhaite créer.