Deep Learning Academy · Ders

Eğitim, Doğrulama ve Testi Ayırma

Neden tek bir küme yerine üç kümeye ihtiyacınız olduğu.

1. ders / 413 adım

Eğitim, Doğrulama ve Testi Ayırma, CoddyKit'te ücretsiz bir Deep Learning Academy dersidir. Bu, 4 dersinin 1. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, Deep Learning Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. Deep Learning Academy kursu toplamda 4 dersten oluşur.

Tek Bir Veri Yığını Yetmez

Bir modeli aynı verilerle eğitir ve değerlendirirseniz, yalnızca o satırları ezberlediğini öğrenirsiniz. Modele güvenmek için verilerinizi farklı amaçlara ayrılmış parçalara bölmelisiniz.

Eğitim Kümesiyle Tanışın

Eğitim kümesi, modelinizin gerçekten öğrendiği verilerdir. Ağırlıkları, tam olarak bu örneklere iyi uyum sağlamak için tekrar tekrar küçük adımlarla güncellenir.

Doğrulama Kümesiyle Tanışın

Doğrulama kümesi, eğitim sırasında bir kenarda tutulur ve süreç boyunca kontrol edilir. Modelin, üzerinde hiç güncelleme yapmadığı verilerde nasıl sonuç verdiğini gösterir.

Test Kümesiyle Tanışın

Test kümesi yalnızca en sonunda bir kez kullanılır. Tüm seçimler yapıldıktan sonra dürüst ve nihai bir puan sağlar.

Doğrulama Neden Ayrıdır

Öğrenme oranı gibi ayarları doğrulama sonuçlarını izleyerek yaparsınız. Bu, fark edilmeden doğrulama kümesini seçimlerinize dahil eder; dolayısıyla küme artık temiz bir nihai değerlendirici olamaz.

Test Kümesi Mühürlü Kalır

Kararlarınızı doğrulama yönlendirdiği için gerçeği gösterecek, hiç dokunulmamış bir parçaya ihtiyacınız vardır. Tamamen bitirene kadar test kümesini mühürlü tutun.

Yaygın Bir Bölme

Yaygın bir başlangıç noktası yaklaşık 80/10/10 oranıdır: verilerin çoğu eğitim, daha küçük parçalar ise doğrulama ve test içindir. Elinizdeki veri miktarına göre ayarlayın.

random_split ile Bölün

PyTorch, bir veri kümesini uzunluklarına göre parçalara ayırmanız için random_split sağlar. Hangi örneklerin hangi kümeye gireceğini sizin için karıştırır.

from torch.utils.data import random_split
train, val, test = random_split(ds, [800, 100, 100])

Tekrarlanabilir Bölmeler İçin Tohum Belirleyin

Bölme rastgele olduğundan, her çalıştırmada aynı parçaları istiyorsanız bir tohum belirleyin. Bu, deneylerin oturumlar arasında karşılaştırılabilir kalmasını sağlar.

g = torch.Generator().manual_seed(42)
train, val, test = random_split(ds, [800, 100, 100], generator=g)

Denge İçin Katmanlayın

Nadir sınıflarda yalın bir rastgele bölme bazı sınıfları dışarıda bırakabilir. Katmanlama, puanların anlamlı kalması için her kümedeki sınıf dağılımını özgün veriye yakın tutar.

Teste Asla Bakmayın

Altın kural basittir: hiçbir kararın şekillenmesine test kümesinin izin vermeyin. İzin verdiğiniz anda nihai sayınız güvenilirliğini yitirir.

Kısa Kontrol

Yalnızca en sonda bir kez hangi kümeye bakmalısınız?

İnteraktif derste cevapla

Özet

Üç küme, üç görev: eğitim modele öğretir, doğrulama ayarlarınızı yönlendirir ve test dürüst bir nihai puan verir. Test kümesini sonuna kadar mühürlü tutun. 🎯

Başlamak ücretsiz

Yapay zeka eğitmeniyle Python öğren — ücretsiz

Tarayıcında gerçek kod yaz ve çalıştır, 7/24 yapay zeka eğitmeninden anında yardım al; web'de ya da uygulamada kaldığın yerden devam et.

Kurslar: 30
Dersler: 120

Ücretsiz öğrenmeye başla Tüm kursu görüntüle

Sıkça Sorulan Sorular

“Eğitim, Doğrulama ve Testi Ayırma” dersi ücretsiz mi?

Evet — “Eğitim, Doğrulama ve Testi Ayırma” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve Deep Learning Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. Deep Learning Academy kursu toplamda 4 dersten oluşur.

“Eğitim, Doğrulama ve Testi Ayırma” dersinde ne öğreneceğim?

Neden tek bir küme yerine üç kümeye ihtiyacınız olduğu. Deep Learning Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.

Deep Learning Academy öğrenmeye başlamak için deneyim gerekli mi?

Önceden deneyim gerekmez. CoddyKit'te Deep Learning Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 1. dersidir.

“Eğitim, Doğrulama ve Testi Ayırma” dersi ne kadar sürer?

Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.

Bu Deep Learning Academy dersinde kod yazıp çalıştırabilir miyim?

Evet. Her Deep Learning Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.

Bu kursun tüm dersleri

← Deep Learning Academy Sayfasına Dön