Aufbau von Anwendungen mit maschinellem Lernen

Kapitel 5. Trainiere und evaluiere dein Modell

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

In haben wir in den vorangegangenen Kapiteln beschrieben, wie man das richtige Problem identifiziert, einen Plan dafür aufstellt, eine einfache Pipeline aufbaut, einen Datensatz untersucht und einen ersten Satz von Merkmalen erzeugt. Mit diesen Schritten haben wir genug Informationen gesammelt, um mit dem Training eines geeigneten Modells zu beginnen. Ein adäquates Modell bedeutet hier, dass das Modell gut auf die Aufgabe zugeschnitten ist und gute Chancen auf eine gute Leistung hat.

In diesem Kapitel gehen wir zunächst kurz auf einige Punkte ein, die bei der Auswahl eines Modells zu beachten sind. Dann beschreiben wir bewährte Methoden zur Trennung deiner Daten, mit denen du deine Modelle unter realistischen Bedingungen bewerten kannst. Zum Schluss befassen wir uns mit Methoden zur Analyse der Modellierungsergebnisse und zur Fehlerdiagnose.

Das einfachste geeignete Modell

Jetzt wir bereit sind, ein Modell zu trainieren, müssen wir entscheiden, mit welchem Modell wir beginnen wollen. Es mag verlockend sein, alle möglichen Modelle auszuprobieren, sie alle einem Benchmarking zu unterziehen und dann dasjenige auszuwählen, das in einem Testset die besten Ergebnisse nach bestimmten Kriterien erzielt.

Im Allgemeinen ist dies nicht der beste Ansatz. Er ist nicht nur rechenintensiv (es gibt viele Modellsätze ...