Kubeflow para el aprendizaje automático

Capítulo 7. Entrenar un modelo de aprendizaje automático

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

En el Capítulo 5, aprendimos a preparar y limpiar nuestros datos, que es el primer paso en el proceso de aprendizaje automático. Ahora vamos a profundizar en cómo utilizar nuestros datos para entrenar un modelo de aprendizaje automático.

El entrenamiento suele considerarse el "grueso" del trabajo en el aprendizaje automático. Nuestro objetivo es crear una función (el "modelo") que pueda predecir con precisión resultados que no ha visto antes. Intuitivamente, el entrenamiento de un modelo se parece mucho a la forma en que los humanos aprendemos una nueva habilidad: observamos, practicamos, corregimos nuestros errores y mejoramos gradualmente. En el aprendizaje automático, empezamos con un modelo inicial que puede no ser muy bueno en su trabajo. A continuación, sometemos el modelo a una serie de pasos de entrenamiento, en los que se introducen datos de entrenamiento en el modelo. En cada paso de entrenamiento, comparamos los resultados de predicción producidos por nuestro modelo con los resultados reales, y vemos lo bien que ha funcionado nuestro modelo. A continuación, jugamos con los parámetros de este modelo (por ejemplo, cambiando el peso que se da a cada característica) para intentar mejorar la precisión del modelo. Un buen modelo es el que hace predicciones precisas sin ajustarse en exceso a un conjunto ...