Wie viel Daten sind genug?
Warum das wichtig ist "Sollten wir mehr Daten sammeln oder ein größeres Modell bauen?" ist eine Frage, die echtes Geld wert ist. Eine Lernkurve beantwortet sie.
Train das gleiche Modell auf wachsenden Ausschnitten der Daten und plotte die validation accuracy gegen die Anzahl der Beispiele. Zu Beginn hilft jede Verdopplung sehr viel. Später hilft jede Verdopplung immer weniger: die Kurve flacht ab. Wo sie fast abgeflacht ist, wird mehr Daten nicht viel helfen und ein besseres Modell könnte.
Die Kurve aufrufen: Vorhersage der accuracy bei 400 Trainingsziffern basierend auf der accuracy bei 50, 100 und 200 Trainingsziffern, dann messen.
Schreibe accuracy_with(n): trainiere logistic regression auf den ersten n training digits (pixels flattened) und gib accuracy auf den 400 test digits zurück. Fülle my_guess_400 aus, nachdem du die ersten drei Werte gesehen hast und bevor du den vierten berechnest.
Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion
Diese Übung öffnet bald
Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.
Dieser Browser blockiert Cookies für learn.floati.life, daher können hier beendigte Lektionen nicht in der richtigen Reihenfolge geöffnet werden. Erlaube Cookies für diese Seite und lade sie neu.