Trong học máy, "loss function" (hàm mất mát) được sử dụng để làm gì?

Giảm số chiều của dữ liệu để giảm độ phức tạp của mô hình

Tăng số chiều của dữ liệu để cải thiện hiệu suất của mô hình

Chọn lọc các đặc trưng quan trọng từ dữ liệu ban đầu

Tạo ra các đặc trưng mới từ dữ liệu ban đầu

Long Short-Term Memory

Linear Sequential Memory

Learning Stateful Memory

Layered Short-Term Memory

Chia tập dữ liệu thành tập huấn luyện và tập kiểm tra

Đánh giá hiệu suất của mô hình trên tập dữ liệu kiểm tra

Đánh giá hiệu suất của mô hình và tối ưu hóa siêu tham số

Đánh giá độ chính xác của mô hình trên tập dữ liệu huấn luyện

Một loại mô hình học sâu

Một loại mô hình học có giám sát

Một thuật toán phân loại

Một phương pháp học không giám sát

Số lượng mẫu dữ liệu được sử dụng để cập nhật các tham số của mô hình trong mỗi lần lặp

Số lượng lớp trong một mô hình neural network

Số lượng neurons trong một lớp của mạng neural

Số lượng epochs được sử dụng trong quá trình huấn luyện

Tỉ lệ số lần mô hình dự đoán đúng trên tổng số mẫu dữ liệu

Số lượng dữ liệu được sử dụng để huấn luyện mô hình

Số lượng đặc trưng của mỗi mẫu dữ liệu

Tổng số lần lặp trong quá trình huấn luyện mô hình

Một kỹ thuật chia tập dữ liệu thành các tập con để đánh giá hiệu suất của mô hình

Một phương pháp để chọn lọc các đặc trưng quan trọng từ dữ liệu

Một phương pháp để xử lý dữ liệu bị thiếu

Một phương pháp để giảm kích thước của dữ liệu đầu vào

Sự chệch của mô hình so với dữ liệu thực tế

Một thành phần của mô hình thể hiện độ phức tạp của nó

Sự phù hợp của mô hình với dữ liệu huấn luyện

Sự không ổn định của mô hình khi áp dụng cho dữ liệu mới

Một kỹ thuật tìm kiếm siêu tham số tốt nhất cho mô hình bằng cách thử tất cả các giá trị trong một lưới

Một phương pháp để giảm kích thước của dữ liệu đầu vào

Một phương pháp để tạo ra các mẫu dữ liệu mới từ dữ liệu ban đầu

Một phương pháp tối ưu hóa cho mô hình học sâu

Một kỹ thuật sử dụng để giảm kích thước của dữ liệu đầu vào

Một phương pháp tạo ra các mẫu dữ liệu mới từ dữ liệu ban đầu

Một kỹ thuật chính regularize trong mạng neural network bằng cách ngẫu nhiên loại bỏ một số đơn vị trong quá trình huấn luyện

Một phương pháp để chuyển đổi dữ liệu đầu vào thành dạng phù hợp cho mạng neural