Presná definícia
Čo znamená krivka učenia?
Krivka učenia zobrazuje výkon učiaceho postupu ako funkciu množstva tréningových dát, času, epoch alebo optimalizačných krokov. Na diagnostiku zovšeobecnenia sa typicky kreslí tréningové aj validačné skóre pri rastúcej veľkosti vzorky podľa pevného protokolu. Tvar pomáha rozlíšiť nedostatočnú kapacitu, vysoký rozptyl a slabnúci prínos dát, ale nie je kauzálnou zárukou budúceho výkonu pri zmene distribúcie.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Tím vyberie vnorené podmnožiny 10, 25, 50 a 100 percent tréningových dát, pričom validácia, pipeline a rozpočet ladenia zostanú rovnaké. Pre každý bod zopakuje vzorkovanie a zobrazí neistotu. Ak sú tréningové aj validačné výsledky slabé a blízke, skúma reprezentáciu či kapacitu; ak je medzera veľká a validácia rastie s dátami, ďalší relevantný zber môže pomôcť. Pri krivke podľa epoch sa hľadá okamih rastu validačnej straty. Dátové body sa nesmú získavať odlišným mechanizmom, inak krivka mieša veľkosť vzorky s posunom populácie.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Čo môže byť na vodorovnej osi?
Počet príkladov, epochy, kroky, čas alebo výpočtový rozpočet.
Prečo kresliť tréning aj validáciu?
Ich úroveň a medzera odlišujú viacero príčin slabého výkonu.
Kedy naznačuje prínos ďalších dát?
Keď validácia s veľkosťou vzorky stále rastie a medzera sa zmenšuje.
Prečo opakovať body krivky?
Jeden výber podmnožiny môže byť náhodne ľahký alebo ťažký.
Možno krivkou presne predpovedať veľký dataset?
Nie; extrapolácia závisí od modelu krivky a rovnakého zberu.