Kubeflow für maschinelles Lernen

Kapitel 7. Ein Machine Learning Modell trainieren

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

In Kapitel 5 haben wir gelernt, wie wir unsere Daten vorbereiten und bereinigen, was der erste Schritt in der Pipeline für maschinelles Lernen ist. Jetzt wollen wir uns genauer ansehen, wie wir unsere Daten nutzen, um ein maschinelles Lernmodell zu trainieren.

Das Training wird oft als der "Hauptteil" der Arbeit beim maschinellen Lernen angesehen. Unser Ziel ist es, eine Funktion (das "Modell") zu erstellen, die Ergebnisse vorhersagen kann, die sie vorher noch nicht gesehen hat. Intuitiv gesehen ist das Modelltraining sehr ähnlich wie das Erlernen einer neuen Fähigkeit - wir beobachten, üben, korrigieren unsere Fehler und verbessern uns allmählich. Beim maschinellen Lernen beginnen wir mit einem ersten Modell, das vielleicht noch nicht so gut ist, wie es sein sollte. Dann durchläuft das Modell eine Reihe von Trainingsschritten, bei denen es mit Trainingsdaten gefüttert wird. Bei jedem Trainingsschritt vergleichen wir die Vorhersageergebnisse unseres Modells mit den tatsächlichen Ergebnissen und sehen, wie gut unser Modell abgeschnitten hat. Dann verändern wir die Parameter des Modells (indem wir zum Beispiel die Gewichtung der einzelnen Merkmale ändern), um die Genauigkeit des Modells zu verbessern. Ein gutes Modell ist ein Modell, das genaue Vorhersagen macht, ohne sich zu sehr an eine bestimmte ...