You signed in with another tab or window. Reload to refresh your session.You signed out in another tab or window. Reload to refresh your session.You switched accounts on another tab or window. Reload to refresh your session.Dismiss alert
To jest ponad zakres projektu, ale możemy wykorzystać mechanizm cross validation to wyboru najlepszego modelu (np w sytuacji gdy model ma wiele minimów lokalnych, to ten mechanizm wybiera najlepsze)
The text was updated successfully, but these errors were encountered:
Idea jest taka, że bierzemy 90% danych do trenowania modelu, sprawdzamy na pozostałych 10%, zapisujemy parametry i powtarzamy procedurę zmieniając podział zbioru. Potem bierzemy parametry dla najlepszego wyniku. Wydaje mi się, że w sklearn jest taka funkcja, ale nie wiem na ile się dostosuje (albo na ile trzeba dostosować) nasze metody w klasie.
To jest ponad zakres projektu, ale możemy wykorzystać mechanizm cross validation to wyboru najlepszego modelu (np w sytuacji gdy model ma wiele minimów lokalnych, to ten mechanizm wybiera najlepsze)
The text was updated successfully, but these errors were encountered: