თუ ტესტი უკვე გამოყენებულია და ცუდი შედეგი აჩვენა, რა უნდა გავაკეთოთ?

თუ მანქანური სწავლების მოდელის ტესტი უკვე გამოყენებული იყო და ცუდი შედეგი აჩვენა, საჭიროა შემდეგი ნაბიჯების გადადგმა:

• ცუდი შედეგის მიზეზების ანალიზი. შესაძლებელია, რომ ტესტის მონაცემები არ ასახავდეს რეალურ დავალებას, ან მოდელი ზედმეტად არის დაქვემდებარებული.
• მონაცემების ხარისხის შემოწმება. შეცდომები, ხმაური ან მონაცემების დისბალანსი შეიძლება გავლენა იქონიოს შედეგზე.
• შეფასების მეტრიკების გადახედვა. შესაძლებელია, რომ შერჩეული მეტრიკები არ იყოს შესაბამისი კონკრეტული დავალებისთვის.
• მოდელის გაუმჯობესება. სხვა ალგორითმების გამოცდა, ჰიპერპარამეტრების რეგულირება, რეგულარიზაციის დამატება.
• კროს-ვალიდაციის გამოყენება. ეს დაეხმარება უფრო სანდო შეფასების მიღებაში.
• ტესტის ნაკრების განახლება. ახალი, უფრო შესაბამისი მონაცემების დამატება.

ასე რომ, ცუდი შედეგი არის სიგნალი მოდელის, მონაცემების ან შეფასების პროცესის გაუმჯობესებისთვის, და არა მიზეზი ტესტის სრული უარყოფისთვის.