Lekce 12 - Neuronové sítě – Hodnocení modelů
V minulé lekci, Neuronové sítě - Porovnání algoritmů gradientního sestupu, jsme porovnali algoritmy gradientního sestupu na MNIST datasetu.
Zatím jsme v tutoriálu Neuronové sítě - Pokročilé mluvili jen o modelech. Ukázali jsme si několik příkladů a vysvětlili si na nich některé jevy. Výsledky se obvykle zdály být správné, nikdy jsme ale nemluvili o hodnocení modelů. Tedy jak dokážeme rozpoznat, zda se modely učí a fungují dobře. Tomu se budeme věnovat právě v této lekci.
Nejprve si připravme importy:
import numpy as np import matplotlib.pyplot as plt import sklearn.preprocessing, sklearn.datasets, sklearn.model_selection import timeit from progressbar import progressbar
Loss funkce
Loss je funkce, kterou učící algoritmus přímo optimalizuje.
...konec náhledu článku...
Pokračuj dál
Došel jsi až sem a to je super! Věříme, že ti první lekce ukázaly něco nového a užitečného.
Chceš v kurzu pokračovat? Přejdi do prémiové sekce.
Koupit tento kurz
Před koupí tohoto článku je třeba koupit předchozí díl
Obsah článku spadá pod licenci Premium, koupí článku souhlasíš se smluvními podmínkami.
- Neomezený a trvalý přístup k jednotlivým lekcím.
- Kvalitní znalosti v oblasti IT.
- Dovednosti, které ti pomohou získat vysněnou a dobře placenou práci.
Popis článku
Požadovaný článek má následující obsah:
V tomto tutoriálu Pythonu pro pokročilé probereme loss funkce a metriky a jak dokážeme rozpoznat, zda se modely učí a fungují dobře.
Kredity získáš, když podpoříš naši síť. To můžeš udělat buď zasláním symbolické částky na podporu provozu nebo přidáním obsahu na síť.