Maschinelle Lernsysteme entwerfen

Kapitel 6. Modellentwicklung und Offline-Auswertung

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

In Kapitel 4 haben wir besprochen, wie du Trainingsdaten für dein Modell erstellst, und in Kapitel 5 haben wir besprochen, wie du aus diesen Trainingsdaten Merkmale entwickelst. Mit dem ersten Satz von Merkmalen kommen wir zum Teil der ML-Algorithmen von ML-Systemen. Mir hat dieser Schritt immer am meisten Spaß gemacht, da ich hier mit verschiedenen Algorithmen und Techniken herumspielen kann, auch mit den neuesten. Das ist auch der erste Schritt, bei dem ich sehen kann, wie all die harte Arbeit, die ich in die Daten- und Merkmalsentwicklung gesteckt habe, in ein System umgewandelt wird, dessen Ergebnisse (Vorhersagen) ich nutzen kann, um den Erfolg meiner Bemühungen zu bewerten.

Um ein ML-Modell zu erstellen, müssen wir zunächst das ML-Modell auswählen, das wir erstellen wollen. Es gibt so viele ML-Algorithmen, und es werden ständig neue entwickelt. Dieses Kapitel beginnt mit sechs Tipps zur Auswahl der besten Algorithmen für deine Aufgabe.

Im folgenden Abschnitt werden verschiedene Aspekte der Modellentwicklung besprochen, z. B. Debugging, Experimentverfolgung und Versionskontrolle, verteiltes Training und AutoML.

Die Modellentwicklung ist ein iterativer Prozess. Nach jeder Iteration solltest du die Leistung deines Modells mit der Leistung der vorangegangenen Iterationen vergleichen und beurteilen, ...