fast.ai 学习 第一课笔记

1. Loss And Metric

Loss

• 损失函数
• 是用于模型改进自己的性能的唯一指标，模型会为这个指标的不断下降，来调整自己的参数
• 因为模型需要不断的调整参数，所以需要这个函数在任意取值范围内是可导的
• 举个🌰，Loss就是模型的OKR

Metric

• 评估函数
• 是用于评价模型的正确性的函数，人类会观察这个指标来判断模型是否运作正常
• 因为不需要随时调整，只需要知道结果，因此这个函数不需要任何时候都可导
• 举个🌰，Metric就是人类的OKR

2. 训练集/验证集/测试集

• 训练集：给模型练手用的
• 验证集：模型练完手，验证集看看效果怎么样，不行就再回去重学
• 测试集：验证集通过，测试集再看看效果怎么样，不行就再回去重学
• 说白了，训练集/验证集/测试集，就是对于模型的暴露次数不断的减少，降低了模型直接拟合数据的可能性。
• PS：作弊（过拟合）的模型，像不像Leetcode/ACM打表的你（狗头保命