![Search icon](https://hackernoon.imgix.net/search-new.png?w=19&h=19)
Mitondra hafanam-po ny fanombohana tetikasa fianarana milina vaovao, ary mety halaim-panahy ny hitsambikina avy hatrany any amin'ny farany lalina. Be dia be ny modely farany farany na algorithm sarotra izay mety ho novakianao. Mampanantena vokatra mivaingana izy ireo, ary asa sarotra ny misoroka ny fakam-panahy hanandrana azy ireo avy hatrany.
Ny mpandraharaha maoderina rehetra dia maniry ny hitsapa ny teknika manara-penitra sy ny fampisehoana tetikasa raitra (ary mahomby) amin'ny fiarahamonina. Na izany aza, io hafanam-po io, na dia tsara aza, dia mety haka fotoana be dia be rehefa manatsara ny hyperparameters ianao ary miatrika fahasarotana amin'ny fampiharana modely sarotra.
Amin'ity dingana ity dia misy fanontaniana lehibe iray tokony hapetraka: Ahoana no tena handrefesantsika ny fahombiazan'ny modely misy antsika?
Mety ho sarotra ny mamantatra raha toa ka ara-drariny ny fahasarotan'ny modely ataontsika na raha tena ambony ny fampisehoana. Mitranga izany rehefa tsy misy teboka tsotsotra kokoa. Eto, ny fananana modely fototra dia lasa zava-dehibe. Ny baseline dia manome an'io teboka manan-danja io - mahitsy, haingana ny fananganana ary azo hazavaina. Mahagaga fa matetika ny maodely fototra, izay mety ho 10% monja amin'ny ezaka fampandrosoana manontolo, dia afaka mahatratra hatramin'ny 90% amin'ny zava-bita irina, mamokatra lalana tena mahomby amin'ny vokatra mitombina.
Ny hevitra hanombohana tsotra dia tsy fomba tsotra fotsiny ho an'ireo vao manomboka - fomba fanao fototra izay mijanona ho manan-danja amin'ny dingana rehetra amin'ny asa siantifika data. Izy io dia rafitra fototra ary fampahatsiahivana lehibe mba handanjalanjana ny faniriantsika ho sarotra amin'ny fomba azo ampiharina amin'ny vahaolana mazava sy mora azo ary azo fehezina.
Ny modely fototra no dikan-teny fototra indrindra ampiasaina hamahana olana. Amin'ny ankapobeny, ireo modely ireo dia ahitana ny fihemorana amin'ny tsipika ho an'ny vokatra mitohy na ny fihemorana ara-pitaovana ho an'ny vokatra sokajy. Ohatra, ny regression linear dia afaka maminavina ny fiverenan'ny tahiry mifototra amin'ny angon-drakitra momba ny vidin'ny tantara, raha ny regression ara-pitaovana kosa dia afaka manasokajy ireo mpangataka crédit ho avo na ambany.
Ity fomba fiasa ity dia tsy mitovy amin'ny maodely sarotra kokoa toy ny tamba-jotra neural na fomba fiasa, izay, na dia mahery aza, dia mety hanasarotra kokoa ny fahazoana ilay olana ary hampitombo ny fotoana ilaina amin'ny fampandrosoana noho ny fahasarotana sy ny loharanon-karena manan-danja.
Ny benchmarking dia dingana voalohany manan-danja indrindra amin'ny fampandrosoana ny modely ML rehetra. Rehefa manangana maodely fototra ianao dia manangana mari-pandrefesana fototra izay tsy maintsy hihoatra ny maodely manaraka (izay sarotra kokoa matetika) mba hanamarinana ny fahasarotana sy ny fanjifana loharanon-karena. Ity dingana ity dia tsy fanaraha-maso ara-pahasalamana lehibe ihany fa mifototra amin'ny fanantenanao ary manome anao fandrefesana mazava ny fandrosoana.
Ohatra, alaivo sary an-tsaina ny famolavolana modely haminavina ny fironana amin'ny tsenam-bola amin'ny fampiasana salan'isa tsotra (SMA) ho toy ny fototra. Ity SMA ity dia mety hampiasa angon-drakitra ara-tantara amin'ny fotoana fohy mba haminavina ny vidin'ny tahiry ho avy, hahatratra ny marina voalohany amin'ny 60% amin'ny vinavina ny fihetsiky ny tsena. Ity modely ity dia mametraka ny mari-pamantarana ho an'ny modely mandroso manaraka. Raha misy maodely be pitsiny, toy ny tamba-jotra Long Short-Term Memory (LSTM), novolavolaina taty aoriana ary mahatratra 65% ny marina, dia azo refesina tsara amin'ny 60% fototra ny fitomboan'ny zava-bita.
Ity fampitahana ity dia tena zava-dehibe amin'ny famaritana raha ny fanatsarana 5% amin'ny fahamendrehana dia manamarina ny fahasarotana fanampiny sy ny fitakiana kajikajy amin'ny LSTM. Raha tsy misy fototra toy izany, dia lasa sarotra ny fandraisana fanapahan-kevitra tsara momba ny scalability sy ny fampiharana azo ampiharina amin'ny modely sarotra kokoa.
Ity fomba fiasa amin'ny benchmarking ity dia manome antoka fa ny fanatsarana ny fahasarotan'ny maodely dia ara-drariny ary hiteraka fanatsarana tena izy, mandritra ny fampifanarahana ny fizotran'ny fampandrosoana amin'ny vokatra mahomby.
Ny fanarahana ny fomba fiasa mahomby amin'ny ML dia zava-dehibe. Indrindra rehefa manapa-kevitra ny hampifanaraka ny fizotranao amin'ny fitsipika mametraka ny sanda ambony indrindra ianao ary manamaivana ny fako ho laharam-pahamehana. Rehefa manomboka amin'ny maodely fototra ianao, dia mampihena ny loharanon-karena sy ny fotoana ilaina amin'ny famolavolana sy fitsapana modely voalohany. Midika izany fa prototyping haingana - ary tena ilaina izany ho an'ny fanehoan-kevitra eo noho eo sy ny fanatsarana miverimberina.
Miaraka amin'ity tsipika fototra ity, ny fahasarotana rehetra ampianao dia azo tombanana tsara.
Ohatra, raha te-hanao ny fifindrana mankany amin'ny algorithm sarotra kokoa toy ny autoregression vector (VAR) ianao ary mahita fa mampitombo kely fotsiny ny fahamarinan'ny vinavina, mila mieritreritra indray ianao raha tena manamarina ny fitakiana sy ny fahasarotana fanampiny io fanatsarana kely io. Mety ho tsia ny valiny. Avy eo ny modely tsotra dia mijanona ho safidy mahomby kokoa.
Amin'ny alàlan'ny fifantohana amin'ny fahombiazan'ny vidiny dia azonao antoka fa ampiasaina amin'ny fomba mahomby ny loharanon-karena ary hahatratra mihoatra noho ny fanatsarana ara-teknika fotsiny. Ary koa, manome vahaolana azo ampiharina sy manome lanja izay hamarinina amin'ny fanatsarana ny fampisehoana sy ny fizarana loharanon-karena. Amin'izany fomba izany, ny fampiasam-bola tsirairay amin'ny fahasarotan'ny modely dia azo antoka, izay manampy amin'ny tanjona ankapobeny amin'ny tetikasa tsy misy fandaniana izay tsy mifandanja.
Ao amin'ny sehatra toy ny fitantanam-bola izay tsy maintsy manaraka ny fenitry ny lalàna hentitra ny fanapahan-kevitra, dia tsy tombony ara-barotra fotsiny ny mangarahara modely. Fomba stratejika izay manampy betsaka amin'ny fanatanterahana ny didy amam-pitsipika ary manamora ny fifandraisana amin'ireo mpandray anjara izay mety tsy manana fototra ara-teknika (lalina).
Andeha horaisintsika ny modely SMA. Mora adika izy io satria mifandray mivantana amin'ny angon-drakitra fidirana ny vokatra azony. Izany dia manamora ny fanazavana ny fiantraikan'ny fampidirana tsirairay amin'ny vokatra voavinavina. Rehefa mila hamarinina amin'ny mpanelanelana ivelany na amin'ny mpikambana ao amin'ny ekipa tsy ara-teknika ny fanapahan-kevitra mifototra amin'ny vinavinan'ny maodely, io fahatsorana io no fanalahidin'ny fizotranao.
Raha misy fanapahan-kevitra mifototra amin'ny vinavinan'ny modely SMA, ny mangarahara amin'ny maodely dia ahafahana manazava haingana sy tsotra ny lojika ao ambadiky ny asany. Afaka manampy amin'ny famerenana sy fanaraha-maso ara-dalàna izany ary hanatsara ny fahatokisana sy ny fananganan'anaka eo amin'ireo mpampiasa sy mpanapa-kevitra. Ankoatr'izay, rehefa mihamitombo ny fahasarotan'ny modely, ohatra, ny fifindrana amin'ny algorithm sarotra kokoa toa ny ARIMA na ny modely VAR ho an'ny vinavinan'ny nuanced kokoa, ny fandikana ny baseline SMA voalohany dia lasa marika amin'ny haavon'ny fanazavana ilainao.
Amin'ny alàlan'ny fampiasana regressors toy ny mari-pamantarana manan-danja na ny soatoavin'ny SHAP miaraka amin'ny maodely sarotra kokoa, dia mijanona ho mangarahara ny fivoaran'ny fampisehoana modely hafa. Izany dia manampy ny tanjon'ny fomba fiarovana mba tsy hariana ho an'ny modely mandroso kokoa. Ny tanjon'ny maodely baseline tsotra dia ny fampiharana hatrany ny fepetra izay hitazonana ny rafitra ankapobeny sy ny lanjany na dia mitombo aza ny haavon'ny fahasarotana. Izany dia miantoka ny fepetra momba ny fanarahan-dalàna sy ny fifandraisana izay hahomby.
Ny fitantanana ny risika dia lafiny iray manan-danja amin'ny famolavolana modely fianarana milina, indrindra amin'ny sehatra toy ny fitantanam-bola izay misy fiantraikany amin'ny fandraisana fanapahan-kevitra ny vinavina marina sy azo antoka. Ny fananana maodely fototra tsotra dia paikady lehibe amin'ny fitantanana ireo risika ireo.
Ny tsipika mahitsy dia manome fiaingana azo takarina, izay ahafahanao manampy tsikelikely (ary azo antoka) ny fanatsarana ny fahasarotan'ny modely.
Ohatra, ny maodely SMA (raha fototra) dia mametraka fototra mafy orina amin'ny fitadiavana ny lamina fototra sy ny mety ho tsy mety amin'ny hetsika vidin'ny tahiry. Ny fampiasana azy dia manampy hamantatra ireo famantarana voalohany amin'ny fikorontanana na fitondran-tena tsy mety amin'ny tsena. Tena zava-dehibe ny fanaovana izany, hisorohana ny loza ara-bola lehibe alohan'ny hampiasana algorithm vinavina sarotra kokoa.
Ankoatr'izay, ny fampiasana modely fototra dia mampihena ny mety hisian'ny overfitting. Fandrika mahazatra eo amin'ny fanaovana modely ara-bola izany. Mitranga ny overfitting rehefa mifanaraka tsara amin'ny angona ara-tantara ny maodely iray ary maka tabataba fa tsy ny lamina fototra. Noho izany dia afaka mahazo faminaniana mamitaka ianao ary mahazo paikady ara-barotra tsy azo ianteherana vokatr'izany. Ny maodely tsotra kokoa miaraka amin'ny mari-pamantarana vitsy dia tsy mora amin'ity olana ity, manome antoka fa ny faminaniana atolony dia azo ampiharina amin'ny angona tsy hita.
Ny fitomboan'ny fahasarotana rehefa mandroso ny SMA amin'ny maodely salanisa kely mihetsiketsika toa ny ARIMA sy ny VAR dia lasa sarotra kokoa, ny rafitra tsotra an'ny SMA dia afaka manampy antsika handinika tsara ny fahombiazan'ny fahasarotana fanampiny tsirairay. Ity fanatsarana tsikelikely amin'ny fahasarotana ity dia manampy amin'ny fitazonana ny fanaraha-maso ny fahombiazan'ny maodely, amin'ny fanaovana izay hahazoana antoka fa ny sosona sarotra fanampiny tsirairay dia manome tombony mazava ary tsy mitondra risika tsy mendrika.
Ity fomba fiasa mirindra amin'ny fisondrotan'ny fahasarotan'ny maodely ity dia manampy amin'ny fahatakarana ny fiantraikan'ny fiovan'ny modely amin'ny fitondrantenany sy ny fahamendrehany. Miantoka ihany koa fa voatantana tsara foana ny loza mety hitranga. Rehefa manomboka amin'ny tondrozotra tsotra ianao ary mifehy tsara ny dingana tsirairay amin'ny fampandrosoana, dia azonao antoka fa mijanona ho matanjaka sy azo antoka ny maodely vinavina, manohana ny fandraisana fanapahan-kevitra ara-bola.
Mba hisafidianana ny modely baseline mety indrindra, dia mila mahatakatra ny olana ara-barotra sy ny toetran'ny angona ianao. Ohatra, ny vinavinan'ny andiam-potoana ho an'ny tsenam-bola dia mety manomboka amin'ny maodely ARIMA ho toy ny fototra hisintonana ny fihetsehana ara-nofo amin'ny fomba tsotra. Mitana anjara toerana lehibe koa ny kalitaon'ny angona sy ny fanodinana mialoha; na ny maodely tsotra indrindra aza dia mety hahomby raha tsy ampy ny angon-drakitra voaomana mialoha.
Ary farany, ilaina ny mahafantatra hoe rahoviana no hifindra avy amin'ny tsipika fototra mankany amin'ny modely sarotra kokoa. Ity fanapahan-kevitra ity dia tokony hotarihin'ny fitsapana sy ny fanamarinana fanampiny, mifanaraka amin'ny fomba fiasa Agile.
Tsy dingana santatra fotsiny ny fanombohana tetikasa fianarana milina amin'ny fampidirana modely fototra tsotra. Tetikady izany. Paikady mifanaraka amin'ny fomba fiasa Agile mampiroborobo ny fahombiazana, ny fahombiazana ary ny fampifanarahana. Ny fanatonana ny tetikasanao amin'izany fomba izany dia afaka manatsara be ny vokatry ny tetikasa amin'ny alàlan'ny fiantohana fa ny fitomboan'ny fahasarotana rehetra dia ara-drariny ary manampy lanja azo tsapain-tanana. Ny fandraisana ny fahatsorana dia zavatra mahery vaika. Paikady lehibe indrindra amin'ny sehatra toy ny fitantanam-bola izay tsy maintsy haingana ny fanapahan-kevitra.