Anda men-debug model ML agar model ini berfungsi. Setelah model berfungsi, Anda harus mengoptimalkan kualitas model untuk kesiapan produksi. Bagian ini membahas langkah-langkah proses debug dan pengoptimalan.
Apa Perbedaan Proses Debug ML?
Sebelum menyelami proses debug ML, mari kita pahami apa yang membedakan model proses debug ML dengan proses debug program biasa. Tidak seperti program pada umumnya, kualitas yang buruk pada model ML tidak menyiratkan adanya bug. Sebagai gantinya, untuk men-debug performa yang buruk pada model, Anda menyelidiki berbagai penyebab yang lebih luas daripada yang terjadi dalam pemrograman tradisional.
Misalnya, berikut adalah beberapa penyebab performa model yang buruk:
- Fitur tidak memiliki kemampuan prediktif.
- Hyperparameter ditetapkan ke nilai yang tidak optimal.
- Data berisi error dan anomali.
- Kode rekayasa fitur berisi bug.
Proses debug model ML rumit dengan waktu yang diperlukan untuk menjalankan eksperimen Anda. Mengingat siklus iterasi yang lebih lama, dan ruang error yang lebih besar, proses debug model ML menjadi tantangan tersendiri.
Proses Pengembangan Model ML
Jika Anda mengikuti praktik terbaik untuk mengembangkan model ML, men-debug model ML akan menjadi lebih sederhana. Praktik terbaik tersebut adalah sebagai berikut:
- Mulailah dengan model sederhana yang menggunakan satu atau dua fitur. Memulai dengan model sederhana yang dapat di-debug dengan mudah akan membantu Anda mempersempit banyak kemungkinan penyebab performa model yang buruk.
- Buat model Anda berfungsi dengan mencoba berbagai fitur dan nilai hyperparameter. Buat model sesederhana mungkin untuk menyederhanakan proses debug.
- Optimalkan model Anda dengan mencoba berulang kali perubahan ini:
- menambahkan fitur
- penyesuaian hyperparameter
- peningkatan kapasitas model
- Setelah setiap perubahan pada model, buka kembali metrik Anda dan periksa apakah kualitas model meningkat. Jika tidak, debug model Anda seperti yang dijelaskan dalam kursus ini.
- Saat melakukan iterasi, pastikan Anda menambahkan kerumitan ke model secara perlahan dan bertahap.