Sementes e propagação
Por que isso importa Treine o mesmo modelo duas vezes com seeds diferentes e você terá scores diferentes. Até você saber o tamanho dessa oscilação, não pode dizer se qualquer mudança ajudou.
Aqui a seed decide três coisas: quais imagens ficam nos conjuntos de treinamento e teste, os pesos iniciais e a ordem dos dados. Nenhuma delas deveria importar, mas todas importam, um pouco. Então sempre treine várias seeds e reporte a média e o desvio padrão, nunca uma única execução.
Uma regra aproximada para comparar dois ajustes, cada um calculado pela média de n seeds: a diferença das duas médias oscila em cerca de spread vezes sqrt(2 / n) (cada média oscila por spread / sqrt(n), e duas oscilações independentes se somam em quadrados). Uma diferença menor que cerca de duas vezes isso não é algo em que você pode confiar. Com 5 seeds e um spread de 0.02, isso é 2 vezes 0.02 vezes sqrt(0.4) = 0.025.
Escreva seed_report(n_seeds) retornando (mean, std) de train_and_score sobre seeds de 0 a n_seeds - 1. Use np.std como está (ele divide por n; dividir por n - 1, ddof=1, também é aceito). Depois defina wobble para o spread sobre 5 seeds.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.