Trainstate چیز مهمی نیست ! نشون میده که اموزش چطور پیش رفته و 3 تا نمودار داره یکیش گرادیان یا تغییراتو میده که هر چی آمموزش پیش بره تغییرات کمتر میشه. تغییرات منظورم تغییر در عدد وزن ها در طول آموزش هست. نمودار دوم mu رو نشون میده که در طول آموزش چطور عوش شده. mu در الگوریتم trainlm نشون دهنده تغییرات در stepe یادگیری هست. نمودار سوم هم نشون میده که در چه epoch ی داده های validation خطاشون شروع به بالا رفتن کرده. اگر 6 تا epoch متوالی خطای داده های Validation زیاد شد آموزش متوقف میشه و وزن هایی که در شروع بالا رفتن خطا به دست امده به عنوان وزن نهایی در نظر گرفته میشه
نمودار regresion هم 4 تا میده برای داده های train test validation و یکی هم کل داده ها. هر چه شیب این نمودار ها یعنی عددی که بالای نمودار می نویسه به یک نزدیکتر باشه یعنی صحت پیش بینی بهتره. معنی این شیب هم اینه که در محور x داده های واقعی و محور y داده های پیش بینی هستند حالا اگه پیش بینی خطای صفر داشته باشه پیش بینی عدد 1 میشه 1 پیش بینی عدد 2 میشه 2 و همین طور بنابراین شیب خط میشه 1 حالا هر چه به یک شیب خط ما نزدیکتر باشه یعنی پیش بینی بهتره
|