100 milyon etiketli örnekle NLP'de regresyon problemi; veriler rastgele karıştırılmış ve %90 eğitim/%10 test olarak ayrılmıştır. Eğitim RMSE'si, test RMSE'sinin iki katıdır. Model performansını nasıl iyileştirmelisiniz?
Bir cevap seçin
Cevabınızı kontrol etmek için bir seçeneğe dokunun.
Doğru cevap: Ek bir katman ekleyerek veya kullanılan kelime dağarcıklarının veya n-gram'ların boyutunu artırarak modelinizin karmaşıklığını artırın..
Neden bu cevap
Eğitim RMSE'sinin test RMSE'sinin iki katı olması, modelin eğitim verilerine yeterince uymadığını, yani modelin yetersiz uyum (underfitting) yaşadığını gösterir. Bu durumda modelin karmaşıklığını artırmak gerekir. Ek bir katman eklemek veya kelime dağarcığı/n-gram boyutunu artırmak, modelin veri içindeki daha karmaşık ilişkileri öğrenmesine olanak tanır. Test örnekleminin payını artırmak, modelin yetersiz uyum sorununu çözmez. Daha fazla veri toplamak, model zaten mevcut veriyi öğrenemediği için genellikle yetersiz uyum durumunda etkili değildir. Düzenlileştirme teknikleri aşırı uyumu (overfitting) önlemek için kullanılırken, bu senaryoda yetersiz uyum söz konusudur.
Sonsuz cevap arayışı olmadan sınavınızı geçin
Bu sınav için her doğrulanmış soruyu ve açıklamayı tek bir yerde edinin ve saatlerce süren hazırlıktan tasarruf edin. 1.000'den fazla sertifika · 20'den fazla dil · ücretsiz başlayın.
Sınavınızı daha hızlı geçin → Kart gerekmez