シードと散らばり
なぜ大切か 同じモデルを違うシードで 2 回訓練すると、違う点数が得られます。その揺れがどれだけ大きいかを知るまで、どの変更が役に立ったかを判断できません。
ここでシードは 3 つのことを決めます:どの画像が訓練とテストのセットに入るか、始まりの重み、データの順番。どれも関係すべきではありませんが、どれも少し関係します。なのでいつもいくつかのシードで訓練し、ひとつの実行ではなく、平均と散らばり(標準偏差)を報告しましょう。
それぞれ n のシードで平均した 2 つの設定を比べるおおまかな規則:2 つの平均の差は、約 散らばり × sqrt(2 / n) だけ揺れます(それぞれの平均は散らばり / sqrt(n) だけ揺れ、2 つの独立な揺れは 2 乗で足し合わさる)。その約 2 倍より小さな差は信頼できるものではありません。5 つのシードと散らばり 0.02 では、それは 2 × 0.02 × sqrt(0.4) = 0.025 です。
シード 0 から n_seeds - 1 の上の train_and_score の (mean, std) を返す seed_report(n_seeds) を書いてください。np.std はそのまま使います(n で割る。n - 1 で割る ddof=1 も受け入れられます)。それから wobble に 5 つのシードの上の散らばりを設定してください。
この演習はまもなく開きます
その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。
このブラウザは learn.floati.life の Cookie をブロックしているため、ここで修了したレッスンを順番どおりに開けません。このサイトの Cookie を許可して再読み込みしてください。