Accueil>Tests>Questions>Le jeu de données de test est utilisé pour fournir une évaluation impartiale du modèle final une fois que toutes les évaluations et améliorations du modèle ont été effectuées, l'évaluation des performances d'un modèle final est effectuée à l'aide de ce jeu de données.
Question du test Machine learning - Les bases
Le jeu de données de test est utilisé pour fournir une évaluation impartiale du modèle final une fois que toutes les évaluations et améliorations du modèle ont été effectuées, l'évaluation des performances d'un modèle final est effectuée à l'aide de ce jeu de données.
Intermédiaire
Le jeu de données de/d’ ______ est utilisé pour réaliser une évaluation non biaisée du modèle final. Une fois l’ensemble des évaluations et améliorations du modèle réalisées, une évaluation finale du modèle est réalisée à l’aide de ce jeu de données. Quel est le mot manquant?
Auteur: MartinStatut : PubliéeQuestion passée 263 fois
Modifier
0
Évaluations de la communautéPersonne n'a encore évalué cette question, soyez le premier !
4
Afin d'obtenir de bons résultats lors de la mise en œuvre de l'apprentissage profond, il faut préparer ses données avant de les utiliser. Quelle action doit être effectuée lors de cette préparation?4
Quelles sont les différences/similarités entre une fonction de perte, une fonction d'erreur et une fonction de coût?7
Le jeu de validation est utilisé pour fournir des évaluations fréquentes et non biaisées de l'ajustement du modèle sur le jeu d'entraînement tout en ajustant ses hyperparamètres/paramètres: en d'autres termes, le modèle est trouvé et ensuite testé sur le jeu de validation avant d'être amélioré une fois de plus.8
Comment gérer les données manquantes dans un jeu de données d'apprentissage donné ?16
Comment gérer les données manquantes dans un jeu de données d'apprentissage donné ?5
Qu'est-ce que l'apprentissage par ensemble ? Il consiste à …6
Quel est le mot manquant dans la phrase suivante : Overfitting est la production d'un modèle qui correspond trop étroitement à l'ensemble de données d'apprentissage et peut donc ne pas s'adapter à d'autres ensembles de données et donc ne pas effectuer de prévision fiable.