إن اختيار المقاييس الصوتية الصحيحة أمر أساسي لتحسين أداء نماذج التعلم الآلاتي، وتوفر هذه المادة نهجا تدريجيا لحساب المقاييس القصوى للارتفاع الفعال.

فهم المقاييس الكمائية

وتخضع المقاييس للضوابط التي تتحكم في عملية التدريب في نموذج للتعلم الآلي، ولا تتعلم من البيانات وإنما تحدد قبل بدء التدريب، وتشمل الأمثلة على ذلك معدل التعلم، وعدد الخناق، ومعايير التسوية.

الخطوة 1: تحديد الفضاء

تحديد المقاييس الفائقة للارتباط وتحديد قيمها أو نطاقاتها المحتملة، ويمكن القيام بذلك من خلال المعرفة بالمجالات أو التجارب الأولية، وتشمل الأساليب المشتركة البحث عن الشبكات والبحث العشوائي.

الخطوة 2: اختيار طريقة البحث

اختيار استراتيجية بحث تستند إلى الموارد والتعقيد النموذجي، ويختبر البحث المكثف جميع التركيبات، بينما عينات البحث العشوائية تجمعات عشوائية في الفضاء المحدد، والتصوير الأمثل في بايزيا هو طريقة أخرى متقدمة تُمثل مشهد الأداء.

الخطوة 3: تقييم الأداء النموذجي

(ج) استخدام نظام التحقق الشامل لتقييم أداء كل مزيج من المقاييس الفائقة، مما يساعد على تقدير مدى جودة أداء النموذج على البيانات غير المنظورة، وتُستخدم مقاييس مثل الدقة أو الدقة أو النتيجة من F1 بشكل شائع.

الخطوة 4: اختيار أفضل مقاسات الهايبر

تحديد المواصفات الفائقة التي تولد أعلى مستوى للأداء، والتأكيد على النتائج من خلال اختبار البارامترات المختارة على مجموعة مستقلة من المصادقة أو من خلال عملية إضافية شاملة.

عدد إضافي من

  • ابدأ بالبحث الواسع و ضيق على أساس النتائج
  • استخدموا أدوات آلية مثل جريد سيرشك في أو رادومد سيرك في التعلم
  • رصد وقت التدريب والموارد الحاسوبية.
  • النظر في التفاعلات والمعالين في مقياس الفصام.