Un hallazgo dentro de tu modelo, con un control
Por qué importa La lección del Módulo 21, aplicada a tu propio modelo: la puntuación de una sonda no significa nada hasta que la comparas con lo que lee la misma sonda de una red que nunca entrenó.
El conjunto de sondas de tu itinerario hace una pregunta sobre cada entrada (meaning): en el itinerario de lenguaje, "¿el siguiente carácter es una vocal?"; en el de imágenes, "¿qué objeto hay en la foto?".
Entrena tu referencia base (semilla 0). Lee su capa oculta (studio.hidden_units(model, X)) y entrena una sonda lineal con la primera mitad del conjunto de sondas, probando con la segunda (ssl.probe, 300 pasos). El control: la misma sonda en una red sin entrenar de la misma forma y semilla (studio.MLP(track.n_in, width, track.n_out, seed=0)). Las unidades ReLU aleatorias ya convierten las entradas en muchas características, y una sonda puede leer mucho de ellas; solo la parte por encima del control es algo que puso ahí el entrenamiento.
Palabras y símbolos de esta lección
- referencia base
- la ejecución normal con la que se compara cada cambio, con las mismas semillas
Rellena trained, control y base_rate (la proporción de la etiqueta más común en la mitad de prueba). Pon finding a "above control" (por encima del control) si trained le gana a control por más de 0.02, y si no "not above control" (no por encima del control).
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.