tgoop.com/pythonwithmedev/367
Last Update:
از ابتدا انگلیسی نوشته شد و عوضش نکردم. سه مورد اول بیشترین اهمیت رو در روند توسعه یک مدل Machine Learning دارن. رایج ترین اشتباهات هم مربوط به انتخاب اولین مدل هست. در واقع مدل اول باید یک مدل ساده و مورد پذیرش در اون حوزه باشه و با مشاهده underfitting به مرور پیچیدگی اضافه میشه: مدلهای دقیقتر یا پارامترهایی که پیچیدگی اضافه میکنن. مثلا اضافه کردن لایه در شبکه عصبی یا max_depth
در tree-based models
مورد اول هم حتما به کارتون اضافه کنید. یادگیری mlflow
یا wandb
واقعا سادس اما مزیت بالایی برای سیستمی که میسازید داره.
بالا اشاره نکردم اما کالیبره کردن مدلها با با روشهای Uncertainty Quantification خیلی کمک کنندس. برای مثال Conformal Prediction
در Classification
کمک میکنه False Positive
کمتری داشته باشید. در این مورد بیشتر مینویسم.
BY 🧑💻Cyber.vision🧑💻
Share with your friend now:
tgoop.com/pythonwithmedev/367