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 pouze tento kurz
Získej okamžitý přístup ke kurzu bez
časového omezení.
475 Kč
Před koupí tohoto článku je třeba koupit předchozí díl
Obsah článku spadá pod licenci Premium, koupí článku souhlasíš se smluvními podmínkami.
- Přístup k jednotlivým lekcím dle způsobu pořízení.
- 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.