Accueil>Tests>Questions>Le jeu de données d'entraînement est le jeu de données dont l'algorithme va apprendre. Il est utilisé pour ajuster les paramètres des réseaux de neurones (poids et biais) : l'amélioration du modèle est effectuée sur la base de ce jeu de données sous le contrôle de la descente de gradient.
Question du test Machine learning - Les bases
Le jeu de données d'entraînement est le jeu de données dont l'algorithme va apprendre. Il est utilisé pour ajuster les paramètres des réseaux de neurones (poids et biais) : l'amélioration du modèle est effectuée sur la base de ce jeu de données sous le contrôle de la descente de gradient.
Très facile
Le jeu de données de/d ’_______ est l’ensemble de données utilisées par l’algorithme pour apprendre. Il est utilisé pour ajuster les paramètres du réseau de neurones (poids et biais) : l’amélioration du modèle se fait avec ce jeu de données sous la supervision de l’algorithme de descente de gradient. Quel est le mot manquant?
Auteur: MartinStatut : PubliéeQuestion passée 904 fois
Modifier
0
Évaluations de la communautéPersonne n'a encore évalué cette question, soyez le premier !
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.16
Comment gérer les données manquantes dans un jeu de données d'apprentissage donné ?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?5
Qu'est-ce que l'apprentissage par ensemble ? Il consiste à …8
Comment gérer les données manquantes dans un jeu de données d'apprentissage donné ?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.