error bars के साथ held-out मूल्यांकन
यह क्यों मायने रखता है आपके किए हर चुनाव ने validation अंक देखा, इसलिए यह अब थोड़ा आशावादी है। उस डेटा पर एक मूल्यांकन जिसे आपने कभी नहीं देखा, error bars के साथ, वह संख्या है जिसे आप रिपोर्ट कर सकते हैं।
अपनी ablations के दिखाए से अपनी FINAL settings चुनें, ज़्यादा से ज़्यादा 4 baseline क़ीमतें। इसे seed 0 के साथ train करें। फिर इसे छिपे test set पर एक बार अंक दें: track.score(model, hidden=True, per_item=True) हर test item की एक संख्या देता है, और studio.interval(items) औसत और एक 95% bootstrap interval।
छिपा set इस पन्ने के अंदर आता है, इसलिए यह छिपा है, मुहरबंद नहीं: आप इसे देख सकते थे। कोर्स का प्रमाणपत्र इसकी गोपनीयता पर नहीं टिका; आपका card टिका है, इसलिए एक बार देखें, अंत में।
पास अंक (डिफ़ॉल्ट योजना दोनों पार करती है): language, औसत कम से कम -2.72; images, कम से कम 0.42।
इस पाठ के शब्द और चिह्न
- baseline
- वह सादा run जिसके मुक़ाबले हर बदलाव मापा जाता है, उन्हीं seeds पर
- ablation
- baseline में एक बदलाव, कई seeds पर चलाया, यह देखने के लिए कि यह क्या करता है
- छिपा test set
- हर चुनाव हो जाने के बाद, अंत में, एक बार अंक दिया डेटा
FINAL सेट करें, final train करें, और validation (उसका validation अंक), hidden (mean, low, high) और gap (validation घटा hidden औसत) भरें।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।