Запустите выбранный алгоритм на обучающих данных.

[moumitaakter4407]

Запуск алгоритма завершает обучение, а производительность можно оптимизировать с помощью перекрестной проверки с использованием набора проверочных переменных.

6. Оцените точность изученной функции, особенности нашей базы данных по рекламе используя значения из тестового набора.
Функция готова к использованию, но после измерения производительности на тестовом наборе переменных, который отличается от обучающего набора.

Следующее видео от Google Cloud Platform дает хорошее общее представление об этапах машинного обучения.

7 шагов машинного обучения
Распространенные проблемы, возникающие при использовании контролируемого обучения
(i) Для обучения и классификации требуется много вычислительного времени, особенно при работе с большими данными.

(ii) Переобучение: модель может усвоить шум в данных до такой степени, что вместо того, чтобы считать его несоответствием, его можно будет рассматривать как концепцию для обучения.

(iii) Основное различие между контролируемым и неконтролируемым обучением — в случае входных данных, которые не могут принадлежать ни одному классу, вместо создания нового класса модель включит их в один из существующих.