Обучение — это цикл: предсказание, сравнение с верным ответом, правка весов. Он повторяется многократно, и именно поэтому обучение требует и данных, и вычислений.
Что нужно знать
- Цикл обучения: модель предсказывает, ответ сравнивается с правильным, веса правятся по величине ошибки.
- Функция потерь измеряет, насколько предсказание далеко от верного ответа.
- Градиентный спуск — способ понять, в какую сторону и насколько править веса.
- Данные делят на три части: обучающую (учимся), проверочную (настраиваем), тестовую (оцениваем ОДИН раз в конце).
- Если настраивать модель по тестовой выборке, она перестаёт быть независимой оценкой.
- Недообучение — модель слишком проста для задачи; переобучение — запомнила примеры вместо закономерности.
- Решение обученной модели трудно объяснить: оно распределено по весам, а не записано правилом.
Где чаще всего ошибаются
- Путают проверочную и тестовую выборки и настраивают модель по тестовой.
- Считают нулевую ошибку на обучающих данных признаком успеха.
- Принимают недообучение за недостаток данных, а не модели.
- Ждут от нейросети объяснения её решения на языке правил.
Проверить себя
По этой же главе есть проверочная работа из 11 заданий на 25 минут. Проверка автоматическая, результат виден сразу — и по работе целиком, и по каждой теме.
Искусственный интеллект · 9 класс · Курс ИИ, 2024 · Программирование и математика машинного обучения