label

توضیح

در supervised learning، هر نمونهٔ آموزشی از یک یا چند feature و یک label تشکیل می‌شود. feature‌ها اطلاعات ورودی‌اند و label پاسخ هدف است؛ هنگام آموزش، پیش‌بینی مدل با این پاسخ مقایسه می‌شود. label می‌تواند یک دسته مثل spam یا not spam باشد، یا مقداری عددی مثل میزان بارش در یک بازه.

مثال

example = {
    "features": {"text": "Claim your free prize!"},
    "label": "spam",
}

چرا مهمه

هنگام آماده‌کردن training set باید مشخص کنی مدل قرار است چه چیزی را پیش‌بینی کند. انتخاب درست label و دقت آن مهم است، چون مدل یادگیری‌اش را بر اساس همین پاسخ‌ها تنظیم می‌کند.

مفهوم‌های مرتبط

• training set
• test set
• loss