Порог классификации после переобучения модели
Порог выбрали по вероятностям одной версии модели, затем весь Pipeline обучили заново. Разберите, почему перенос прежнего числового порога требует проверки.
Выберите ответ и проверьте себя. Продолжить тему можно в курсе Классическое машинное обучение: алгоритмы и практика на Python.
Инженер подобрал оптимальный порог классификации на валидационной выборке, затем дообучил базовый Pipeline на объединении обучающих и валидационных данных, оставив найденный порог без изменений. Почему такое решение является методологической ошибкой?
Без регистрации · результат не сохраняется
