Détermination du contenu de la mise en œuvre
Obtenir des données
Prétraitement des données
Sélection de la méthode
Sélection des hyper paramètres
Formation sur modèle
Évaluation du modèle → Aller à 3, 4, 5
・ Au moment de la libération du système Toutes les données dont vous disposez peuvent être utilisées comme données d'entraînement
・ Si vous souhaitez évaluer la précision Séparez les données d'entraînement et les données de test, et évaluez les données de test avec un modèle appris uniquement à partir des données d'entraînement
Parce que le but de l'apprentissage supervisé est de prédire des données inconnues
・ La précision des prédictions est faible, même pour les données d'entraînement.
・ Cela correspond bien aux données d'entraînement, mais la précision de prédiction des données de test (données inconnues) est faible.
La partie la plus difficile de l'apprentissage automatique est de savoir comment trouver un bon équilibre entre le sous-ajustement et le surapprentissage.