KAPITEL 10
Interpretieren von Deep-Learning-Modellen
Bisher haben wir viele Beispiele für das Training von Deep-Learning-Modellen zur Problemlösung gesehen. Immer werden Daten gesammelt, ein Modell wird erstellt, und dieses wird trainiert, bis die richtigen Ergebnisse für unsere Trainings- und Testdatensätze vorliegen. Dann beglückwünschen wir uns, erklären die Aufgabe für gelöst und wenden uns der nächsten Aufgabenstellung zu. Immerhin haben wir ein Modell, das korrekte Vorhersagen für die Eingaben erzeugt.
Aber oft ist das nur der Anfang! Sobald Sie das Modell fertig trainiert haben, gibt es viele wichtige Fragen, die Sie sich stellen könnten. Wie funktioniert das Modell? Welche Eigenschaften einer Eingabe führten zu einer bestimmten Vorhersage? ...
Get Deep Learning für die Biowissenschaften now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
