Trainingsdaten

Welche Rolle haben Trainingsdaten?

Trainingsdaten sind die Beispiele, aus denen ein Modell während des Trainings Zusammenhänge oder Parameter lernt. Welche Informationen dazugehören, hängt von der Aufgabe und dem Lernverfahren ab. Bei überwachtem Lernen enthalten die Beispiele Eingaben und die passenden Zielangaben. Für eine zuverlässige Bewertung werden zusätzlich Daten mit anderer Rolle benötigt, etwa zur Modellauswahl und zur abschließenden Prüfung. Der Umfang der Trainingsdaten allein sagt wenig darüber aus, ob sie die spätere Aufgabe angemessen abdecken.

In einem erfundenen Produktprojekt sollen Fotos von Ersatzteilen mit geprüften Zuordnungen zu Artikelklassen zum Training dienen. Das Team plant Aufnahmen, die relevante Ansichten, Beleuchtungen und Hintergründe für den vorgesehenen Einsatz abdecken. Viele Kopien desselben Fotos erhöhen zwar die Dateizahl, schaffen aber keine entsprechende Vielfalt. Vor dem Training werden Herkunft, Klassenbeschreibung und die Aufteilung für Lernen und Bewertung dokumentiert. Dabei wird festgehalten, welche Aufnahmen dasselbe physische Exemplar zeigen oder zur selben Aufnahmeserie gehören. So kann die spätere Prüfung diese Abhängigkeiten berücksichtigen, statt nahe verwandte Bilder unbemerkt als unabhängige Beispiele zu behandeln.

Quellen

• Google · Datasets: Dividing the original dataset