Comprender la perplejidad en el aprendizaje automático
La perplejidad es una medida de lo difícil que es para un modelo de aprendizaje automático hacer predicciones sobre datos nuevos e invisibles. A menudo se utiliza como una forma de evaluar el rendimiento de un modelo, especialmente en situaciones en las que las etiquetas verdaderas no se conocen o son difíciles de obtener. Hay varias formas de calcular la perplejidad, pero un método común es utilizar la entropía cruzada. función de pérdida y la probabilidad logarítmica de la clase correcta. Luego, la perplejidad se calcula como la probabilidad logarítmica negativa de la clase correcta, dividida por el número de muestras en el conjunto de prueba. La perplejidad es una medida útil porque nos da una idea de qué tan bien el modelo puede generalizar a nuevos datos. . Si la perplejidad es alta, puede indicar que el modelo no está haciendo un buen trabajo al capturar los patrones subyacentes en los datos, y puede que sea necesario realizar más ajustes al modelo. Por otro lado, si la perplejidad es baja, puede indicar que el modelo está haciendo un buen trabajo al capturar los patrones subyacentes y puede estar listo para su uso en aplicaciones del mundo real. La perplejidad se puede utilizar de varias maneras en la máquina. aprendizaje, como por ejemplo:
* Evaluar el desempeño de un modelo con nuevos datos
* Comparar el desempeño de diferentes modelos con los mismos datos
* Identificar áreas donde el modelo necesita mejorar
* Monitorear el desempeño de un modelo a lo largo del tiempo
En resumen, la perplejidad es una medida de lo difícil que es para un modelo de aprendizaje automático hacer predicciones sobre datos nuevos e invisibles. Se calcula como la probabilidad logarítmica negativa de la clase correcta, dividida por el número de muestras en el conjunto de prueba. La perplejidad se puede utilizar para evaluar el desempeño de un modelo e identificar áreas donde el modelo necesita mejorar.
Me gusta este vídeo
No me gusta este vídeo
Informar de un error de contenido
Compartir
