Bir modeli uygularken basit bir başlangıç yapın. Makine öğreniminde işin çoğu veri tarafındadır. Bu nedenle, karmaşık bir model için tam bir ardışık düzen çalıştırmak, modelin kendisini yinelemekten daha zordur. Veri ardışık düzeninizi oluşturduktan ve birkaç özellik kullanan basit bir model uyguladıktan sonra daha iyi bir model oluşturmaya devam edebilirsiniz.
Basit modeller, nihayetinde lansman yapmak istemiyorsanız bile iyi bir temel oluşturur. Aslına bakılırsa, basit bir model kullanmak muhtemelen düşündüğünüzden daha iyidir. Basitten başlamak, karmaşık bir modelin uygun olup olmadığını belirlemenize yardımcı olur.
Kendi modelinizi eğitmek ve önceden eğitilmiş bir modeli kullanmak karşılaştırması
Eğitilmiş modeller çeşitli kullanım alanları için mevcuttur ve birçok avantaj sunar. Bununla birlikte, eğitilen modeller yalnızca etiket ve özellikler veri kümenizle tam olarak eşleştiğinde gerçekten çalışır. Örneğin, eğitilen bir model 25 özellik kullanıyorsa ve veri kümenizde bunlardan yalnızca 24 tane varsa, eğitilen model büyük olasılıkla kötü tahminlerde bulunacaktır.
Makine öğrenimi uzmanları, ince ayar veya öğrenmeyi aktarmak için genellikle eğitilmiş bir modelden eşleşen giriş alt bölümlerini kullanır. Özel kullanım alanınız için eğitilmiş bir model yoksa kendi kullanım alanınızı eğitirken eğitilmiş bir modelin alt bölümlerini kullanabilirsiniz.
Eğitilen modellerle ilgili bilgi edinmek için bkz.
İzleme
Sorun çerçeveleme sırasında makine öğrenimi çözümünüzün ihtiyaç duyduğu izleme ve uyarı altyapısını değerlendirin.
Model dağıtımı
Bazı durumlarda, yeni eğitilmiş bir model, şu anda üretimde olan modelden daha kötü olabilir. Öyleyse üretim sürümünün yayınlanmasını önlemek ve otomatik dağıtımınızın başarısız olduğuna dair bir uyarı almak istersiniz.
Eğitim-sunum sapması
Çıkarım için kullanılan gelen özelliklerden herhangi birinin eğitimde kullanılan verilerin dağıtım aralığının dışında kalan değerleri varsa modelin kötü tahminler yapma ihtimali nedeniyle uyarı almak isteyebilirsiniz. Örneğin, modeliniz ekvator şehirlerinin sıcaklıklarını deniz seviyesinde tahmin edecek şekilde eğitildiyse sunum sisteminiz, gelen veriler konusunda enlem ve boylamlar ve/veya modelin eğitildiği aralığın dışındaki rakımlarla ilgili olarak sizi uyarmalıdır. Buna karşılık, model eğitim sırasında görülen dağıtım aralığının dışında tahminlerde bulunuyorsa sunum sistemi de sizi uyarmalıdır.
Çıkarım sunucusu
Bir RPC sistemi üzerinden çıkarımlar sağlıyorsanız RPC sunucusunun kendisini izlemek ve çıkarım sağlamayı durdurduğunda uyarı almak isteyebilirsiniz.