पाठ्यक्रम 246 में से पाठ 105 · Module 9: क्या यह सचमुच बेहतर है?
Module 9: क्या यह सचमुच बेहतर है?

Seeds और फैलाव

यह क्यों मायने रखता है एक ही model को अलग seeds के साथ दो बार train करें और आपको अलग अंक मिलते हैं। जब तक आप न जानें कि वह डगमगाहट कितनी बड़ी है, आप नहीं बता सकते कि किसी बदलाव ने मदद की या नहीं।

यहाँ seed तीन चीज़ें तय करता है: कौन-सी तस्वीरें training और test sets में आती हैं, शुरुआती weights और डेटा का क्रम। इनमें से किसी को मायने नहीं रखना चाहिए, पर सब रखते हैं, थोड़ा। इसलिए हमेशा कई seeds train करें, और औसत और फैलाव (standard deviation) रिपोर्ट करें, कभी एक अकेला run नहीं।

दो settings की तुलना का एक मोटा नियम, हर एक n seeds पर औसत: दोनों औसतों का अंतर लगभग फैलाव गुणा sqrt(2 / n) से डगमगाता है (हर औसत spread / sqrt(n) से डगमगाता है, और दो स्वतंत्र डगमगाहटें वर्गों में जुड़ती हैं)। उसके लगभग दोगुने से छोटा अंतर ऐसा नहीं जिस पर आप भरोसा कर सकें। 5 seeds और 0.02 के फैलाव के साथ, वह 2 गुणा 0.02 गुणा sqrt(0.4) = 0.025 है।

आपकी बारी

seeds 0 से n_seeds - 1 पर train_and_score का (mean, std) लौटाने वाला seed_report(n_seeds) लिखें। np.std जैसा है वैसा इस्तेमाल करें (यह n से भाग देता है; n - 1 से भाग, ddof=1, भी स्वीकार है)। फिर wobble को 5 seeds पर फैलाव पर सेट करें।

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।