Լեկցիա 1.5
Որպեսզի ստուգենք մեր մոդելը¹ կարողանում է ճիշտ գուշակել պիտակը ոչ միայն մեր ունեցած տվյալների համար, այլև մեր չունեցած տվյալների համար, մեր տվյալները բաժանում ենք 3 մասի՝
- prepare knowledge (ուսուցման տվյալներ)
- take a look at knowledge (փորձարկման տվյալներ)
- validation knowledge (կարգավորման տվյալներ)
Ուսուցման տվյալները օգտագործվում են մոդելին սովորեցնելու համար։ Փորձարկման տվյալների միջոցով
կարող ենք հասկանալ, մոդելը միայն ուսուցման տվյալների համար է լավ գուշակություն կատարում, թե ոչ
միայն։ Կարգավորման տվյալների միջոցով կարող ենք փոփոխել մոդելի որոշակի արժեքներ։ Հիմնականում
տվյալների բաժանումը տեղի է ունենում պատահական կերպով: Տվյալներից պատահական կերպով ընտրվում
է 70% ուսուցման տվյալներ, 15% փորձարկման տվյալներ, 15% կարգավորման տվյալներ։
Գերուսուցումը (overfitting) և թերուսուցումը (underfitting) մոդելի վիճակներ են։ Կասենք որ մոդելը գերուսուցված
է, երբ ուսուցման տվյալների վրա մոդելի արդյունքը լավն է (ճիշտ է գուշակում պիտակները), իսկ փորձարկման
տվյալների վրա լավը չէ։ Այսինքն մեր ուսուցման տվյալները անգիր ենք արել։ Կասենք որ մոդելը թերուսուցված
է, երբ ո՛չ ուսուցման տվյալների, ո՛չ էլ փորձարկման տվյալների վրա մոդելի արդյունքը լավը չէ։
1. Մոդելը մեքենայական ուսուցման այն ալգորիթմն է, որը ուսուցանելու ենք մեր տվյալներով
