Lección 1, Tema 1
En Progreso

Importancia de los datos de entrenamiento Copy

27/06/2022

¿Por qué son importantes los datos de entrenamiento?

La eficiencia del modelo de aprendizaje automático depende de qué tan bien haya entrenado su modelo con los datos de entrenamiento. 

Pongamos un ejemplo. En su modelo de piedra, papel y tijera, intente mostrar la pose del papel con los dedos separados y cerrados así:

Papel de piedra

Si no recibe este error, significa que ha entrenado su modelo correctamente. Si no lo ha hecho, ¡también se perdió esta parte!

Según el modelo, para que la computadora identifique letreros como papel, debe tener un objeto con 5 dedos separados y para la piedra, necesita un solo sólido. Por eso, cuando tenemos todos los dedos cerrados, la máquina lo identifica como Rock. 

También hay otras cosas que hacen que el modelo sea inexacto:

  1. Posiciones de las manos : diferentes manos y diferentes posiciones como boca abajo.
  2. Fondos : si el fondo cambia, el modelo tendrá dificultades para relacionar la imagen de la clase.
  3. La mano está demasiado cerca o demasiado lejos : si intenta realizar estas acciones demasiado cerca o demasiado lejos de la cámara, también pueden aparecer errores.

Solo hay una solución para este problema: entrenar el modelo con más variedad de datos de entrenamiento. Más datos de entrenamiento significan un modelo más preciso.

evive explorar

Explore: puede volver a entrenar el modelo de tijera de papel de piedra en la máquina enseñable con más variedad de imágenes y probar su precisión.