Как обучать существующие модели машинного обучения новым задачам?

Для обучения существующих моделей машинного обучения новым задачам рекомендуется следовать таким шагам: deepmachinelearning.ru

1. Понимание бизнес-проблемы. deepmachinelearning.ru Нужно определить, какую задачу нужно решить. deepmachinelearning.ru
2. Формализация задачи. deepmachinelearning.ru Следует уточнить, какими входными признаками можно располагать для решения задачи и какая функция потерь будет реалистично оценивать фактические потери от ошибок прогнозирования. deepmachinelearning.ru
3. Сбор данных. deepmachinelearning.ru Разнородные данные из разных источников нужно свести в единую базу данных. deepmachinelearning.ru
4. Предобработка данных. deepmachinelearning.ru Необходимо решить, как заполнять пропущенные значения, какие объекты считать аномальными и исключать из анализа. deepmachinelearning.ru
5. Генерация признаков. deepmachinelearning.ru Модель может неэффективно работать на исходных признаках. deepmachinelearning.ru Поэтому целесообразно сгенерировать нелинейные трансформации исходных признаков. deepmachinelearning.ru
6. Отбор информативных признаков. deepmachinelearning.ru На этапе сбора, предобработки и генерации признаков, скорее всего, получится избыточный набор признаков. deepmachinelearning.ru Избыточная информация ухудшает оценку модели, поэтому нужно отобрать информативные признаки. deepmachinelearning.ru
7. Настройка модели. deepmachinelearning.ru Выбираются несколько моделей машинного обучения, по которым настраиваются их параметры. deepmachinelearning.ru
8. Оценка качества модели. deepmachinelearning.ru Для этого используют тестовую выборку, которая должна быть представительной для всего набора данных, но не должна пересекаться с обучающей выборкой. 4brain.ru
9. Внедрение модели. deepmachinelearning.ru Модель интегрируют в существующую инфраструктуру, перенаправляют на неё потоки данных и учитывают прогнозы модели. deepmachinelearning.ru
10. Поддержка модели. deepmachinelearning.ru Данные со временем изменяются, а закономерности в них устаревают. deepmachinelearning.ru Поэтому важно в динамическом режиме работы отслеживать качество работы модели, чтобы донастраивать её параметры и учитывать новые источники данных. deepmachinelearning.ru

Для обучения моделей машинного обучения новым задачам можно использовать платформы машинного обучения, которые позволяют создавать, обучать и контролировать модели в единой рабочей среде. dzen.ru