05 - Entwicklung Neuronalen Netz
Aufgabe: Entwicklung eines neuronalen Netzes
-
Wählen Sie das Dataset Ihrer Gruppe aus.
-
Nennen Sie jeweils einen Vor- und Nachteil , wenn wenig bzw. viele Testdaten vorliegen im Verhältnis zu Trainingsdaten:
| Vorteil (+) | Nachteil (−) | |
|---|---|---|
| wenig Testdaten | Mehr Daten fürs Training | Weniger verlässliche Einschätzung der tatsächlichen Modellleistung |
| viele Testdaten | Bessere Beurteilung, ob das Modell gut generalisiert | Modell lernt schlechter (weniger Trainingsdaten) |
-
Entscheiden Sie sich für ein Ratio von training zu test data und stellen Sie diesen ein.
-
Wählen Sie die Features aus, die das Modell nutzen soll.
-
Wählen Sie die Anzahl der Hidden Layers und die jeweilige Anzahl der Neuronen aus.
-
Starten Sie das Modell und lassen Sie es bis ca. Epoch 000,500 laufen.
-
Notieren Sie den Test Loss und Training Loss
-
Passen Sie Ihr Modell ggf. an.
-
Erklären Sie, welche Bedeutung die folgenden Kombinationen von Test- und Training Loss für die Beurteilung des Modells haben:
| Test Loss ↓ Training Loss ↓ | Modell hat gut gelernt und verallgemeinert auch gut |
|---|---|
| Test Loss ↑ Training Loss ↑ | Underfitting Modell ist zu einfach, erkennt keine Muster |
| Test Loss ↑ Training Loss ↓ | Overfitting Modell hat Trainingsdaten auswendig gelernt, erkennt aber keine neuen Daten korrekt |