wydzielony (zbiór walidacyjny)
term_id: held_out
Category: basic_concepts
Definition
Zbiór danych “wydzielony” (held-out) składa się z przykładów celowo wykluczonych z fazy trenowania modelu uczenia maszynowego. Podzbiór ten służy do oceny, jak dobrze model uogólnia wiedzę na danych niewidzianych podczas treningu, zapewniając bezstronną ocenę jego zdolności do działania w rzeczywistych warunkach, zanim zostanie przetestowany na ostatecznym zbiorze testowym.
Summary
Próbki danych wyłączone ze zbioru treningowego w celu oceny wydajności modelu i zapobiegania przeuczeniu podczas procesu rozwoju.
Key Concepts
- Uogólnianie
- Przeuczenie
- Zbiór walidacyjny
- Bezstronna ocena
Use Cases
- Dopasowywanie hiperparametrów
- Porównywanie różnych architektur modeli
- Ostateczna estymacja wydajności przed wdrożeniem produkcyjnym