ارزیابی روی دادهٔ کنار گذاشتهشده، با میلههای خطا
چرا مهم است هر انتخابی که کردید به امتیاز اعتبارسنجی نگاه کرد، پس اکنون کمی خوشبینانه است. یک ارزیابی روی دادهای که هرگز به آن نگاه نکردید، با میلههای خطا، همان عددی است که میتوانید گزارش کنید.
تنظیمهای FINAL خود را از روی آنچه حذفهایتان نشان دادند، حداکثر 4 هزینهٔ خط پایه، انتخاب کنید. آن را با بذر 0 آموزش دهید. سپس یک بار روی مجموعهٔ آزمون پنهان امتیازش دهید: track.score(model, hidden=True, per_item=True) برای هر نمونهٔ آزمون یک عدد میدهد و studio.interval(items) میانگین و یک بازهٔ bootstrap 95% را.
مجموعهٔ پنهان درون همین صفحه ارائه میشود، پس پنهان است، نه مهرومومشده: میتوانستید به آن نگاه کنید. گواهی دوره به پنهان بودن آن تکیه ندارد؛ کارت شما دارد، پس یک بار، در پایان، نگاه کنید.
نمرههای قبولی (برنامهٔ پیشفرض از هر دو میگذرد): language، میانگین دستکم -2.72؛ images، دستکم 0.42.
واژهها و نمادهای این درس
- خط پایه
- اجرای سادهای که هر تغییری روی همان بذرها در برابر آن سنجیده میشود
- حذف (ablation)
- یک تغییر در خط پایه، اجراشده روی چند بذر، برای دیدن اینکه چه میکند
- مجموعهٔ آزمون پنهان
- دادهای که یک بار، در پایان، پس از انجام هر انتخابی امتیاز داده میشود
FINAL را تنظیم کنید، final را آموزش دهید و validation (امتیاز اعتبارسنجیاش)، hidden (mean، low، high) و gap (validation منهای میانگین hidden) را پر کنید.
مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید
این تمرین بهزودی باز میشود
درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و میتوانید همین الان این درس را بخوانید.
این مرورگر کوکیهای learn.floati.life را مسدود میکند، پس درسهایی که اینجا تمام کردید نمیتوانند به ترتیب باز شوند. کوکیها را برای این سایت مجاز کنید و صفحه را دوباره بارگذاری کنید.