Для регрессии часто используется функция потерь, вычисляющая среднеквадратичную ошибку (mean squared error, MSE).
• Аналогично для регрессии используются иные метрики оценки, нежели при классификации; понятие точности неприменимо для регрессии, поэтому для оценки качества часто берется средняя абсолютная ошибка (mean absolute error, MAE).
• Когда признаки образцов на входе имеют значения из разных диапазонов, их необходимо предварительно масштабировать.
• При небольшом объеме входных данных надежно оценить качество модели поможет метод перекрестной проверки по K блокам.
• При небольшом объеме обучающих данных предпочтительнее использовать маленькие модели с небольшим количеством промежуточных слоев (обычно с одним или двумя), чтобы избежать серьезного переобучения.
Глубокое обучение на Python. 2-е межд. издание
·
Франсуа Шолле
