Потери на обучающей и тестовой выборках || Урок 37 || Машинное обучение || Learning Monkey ||

#машинноеобучение #обучающаясяобезьяна В этом уроке мы обсудим потери на обучающей выборке и потери на тестовой выборке. Мы рассмотрим пример и разберемся с потерями на обучающей и тестовой выборках. В качестве примера мы рассмотрим набор данных для прогнозирования суммы чаевых. В нем у нас есть два столбца: Сумма счета. Сумма чаевых. На основе суммы счета будет прогнозироваться сумма чаевых. Мы рассмотрим десять точек данных. Первые семь точек данных взяты в качестве обучающих данных. Последние три точки взяты в качестве тестовых данных. Обучающие данные подаются на вход модели машинного обучения. Рассматриваемая нами модель машинного обучения — это модель линейной регрессии. Что будет делать наша модель? В качестве входных данных она возьмет обучающие данные и сгенерирует уравнение прямой, проходящей через эти данные. Эта прямая будет иметь минимальные потери. Теперь мы используем это уравнение прямой для прогнозирования будущих точек данных, то есть тестовых данных. Предположим, наша модель определила линию y = 0,1x + 2. Возьмём тестовые данные и подставим значение x в приведённую выше функцию. Получим прогнозируемые значения. В наборе данных у нас были фактические суммы чаевых, указанные клиентом. Потери рассчитываются как фактическая сумма чаевых минус прогнозируемая сумма чаевых, возведённая в квадрат. Возводим значение в квадрат, чтобы исключить отрицательные знаки. Таким образом, вычисляем потери для всех значений в тестовых данных и делим на количество точек данных. Полученное значение мы называем потерями на тестовом наборе данных. Если мы проделаем то же самое с обучающими данными, мы получим потери на обучающем наборе данных. Мы используем эти потери на обучающем и тестовом наборах данных во всех моделях машинного обучения. На основе значений потерь на обучающем и тестовом наборах данных мы определяем, насколько хороша наша модель машинного обучения. Расчёт потерь уже обсуждался на нашем курсе линейной регрессии. Ссылка на наш сайт: https://learningmonkey.in Подписывайтесь на нас в Facebook:   / learningmonkey   Подписывайтесь на нас в Instagram:   / learningmonkey1   Подписывайтесь на нас в Twitter:   / _learningmonkey   Напишите нам по адресу learningmonkey01@gmail.com