Build your ultimate AI agent
รายละเอียดคอร์ส
ปัจจุบันการสร้างโมเดล Machine Learning ทำได้ง่ายกว่าที่เคย แต่หากไม่มีการตรวจสอบความถูกต้องที่ดีพอ ผลลัพธ์ที่ได้จากการนำข้อมูลใหม่มาใช้กับโมเดลอาจไม่แม่นยำอย่างที่คาดไว้ การตรวจสอบความถูกต้องของโมเดล (Model Validation) ช่วยให้นักวิเคราะห์สามารถตอบคำถามได้อย่างมั่นใจว่า โมเดลของคุณดีแค่ไหน? เราจะตอบคำถามนี้สำหรับโมเดลจำแนกประเภท (Classification) โดยใช้ชุดข้อมูลสถานการณ์จบเกม Tic-Tac-Toe ทั้งหมด และสำหรับโมเดลถดถอย (Regression) โดยใช้ชุดข้อมูลจัดอันดับความอร่อยของขนมฮาโลวีนจาก FiveThirtyEight ในคอร์สนี้จะครอบคลุมพื้นฐานของ Model Validation พร้อมทั้งเทคนิคการตรวจสอบแบบต่าง ๆ และการพัฒนาเครื่องมือสำหรับสร้างโมเดลที่ผ่านการตรวจสอบและมีประสิทธิภาพสูง
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
การสร้างโมเดลเบื้องต้นด้วย scikit-learn
ก่อนที่จะตรวจสอบความถูกต้องของโมเดลได้ เราต้องเข้าใจวิธีสร้างและใช้งานโมเดลก่อน บทนี้จะแนะนำการรันโมเดล Regression และ Classification ใน scikit-learn ซึ่งเป็นพื้นฐานที่จะใช้ตลอดบทที่เหลือของคอร์ส
- บทนำสู่การตรวจสอบความถูกต้องของโมเดล50 XP
- ขั้นตอนการสร้างโมเดล50 XP
- ข้อมูลที่เคยเห็นและข้อมูลที่ไม่เคยเห็น100 XP
- โมเดล Regression50 XP
- กำหนดพารามิเตอร์และ fit โมเดล100 XP
- ความสำคัญของฟีเจอร์100 XP
- โมเดลการจำแนกประเภท50 XP
- การพยากรณ์แบบ Classification100 XP
- การนำพารามิเตอร์ของโมเดลกลับมาใช้ใหม่100 XP
- Random forest classifier100 XP
2
พื้นฐาน Model Validation
บทนี้มุ่งเน้นพื้นฐานของ Model Validation ตั้งแต่การแบ่งข้อมูลออกเป็นชุด Training, Validation และ Testing ไปจนถึงการทำความเข้าใจ Bias-Variance Tradeoff เพื่อวางรากฐานสำหรับเทคนิค K-Fold Validation และ Leave-One-Out Validation ที่จะฝึกในบทที่สาม
3
Cross Validation
การแบ่งข้อมูลแบบ Holdout Set เป็นจุดเริ่มต้นที่ดีสำหรับ Model Validation อย่างไรก็ตาม การใช้เพียงชุด Train และ Test เดียวมักไม่เพียงพอ Cross-Validation ถือเป็นมาตรฐานสูงสุดในการตรวจสอบประสิทธิภาพของโมเดล และเกือบทุกครั้งจะถูกนำมาใช้เมื่อต้องปรับ Hyperparameter ของโมเดล บทนี้จะเน้นการทำ Cross-Validation เพื่อตรวจสอบประสิทธิภาพของโมเดล
4
การเลือกโมเดลที่ดีที่สุดด้วย Hyperparameter Tuning
สามบทแรกเน้นเทคนิคการตรวจสอบความถูกต้องของโมเดล ในบทที่ 4 เราจะนำเทคนิคเหล่านั้น โดยเฉพาะ Cross-Validation มาประยุกต์ใช้ควบคู่กับการเรียนรู้เรื่อง Hyperparameter Tuning เพราะ Model Validation นั่นเองที่ทำให้การปรับแต่งโมเดลเป็นไปได้ และช่วยให้เราเลือกโมเดลที่ดีที่สุดได้ในที่สุด
การตรวจสอบความถูกต้องของโมเดลใน Python
เรียนจบแล้ว
