Datos de prueba en aprendizaje automático
Datos reservados para la evaluación final cuyos resultados no se utilizaron para seleccionar la variante evaluada.
¿Qué deben mostrar los datos de prueba?
Los datos de prueba permiten evaluar un modelo seleccionado con ejemplos que no guiaron su desarrollo ni su selección. Deben corresponder al uso previsto y estar separados adecuadamente de los datos de desarrollo. La división también depende de grupos y relaciones temporales. El nombre conjunto de prueba no demuestra independencia ni cobertura suficiente. El resultado se refiere a los datos y condiciones realmente evaluados.
En un proyecto ficticio de repuestos, se reservan para la prueba final fotos de otros ejemplares físicos de las mismas clases de artículo. Imágenes muy similares del mismo ejemplar no deben repartirse inadvertidamente entre entrenamiento y prueba. También se consideran las condiciones previstas de iluminación y captura. El equipo registra qué variante y datos se evalúan. Si después utiliza los resultados de prueba para seleccionar la siguiente variante, esa prueba ha influido en el desarrollo. Una nueva evaluación final independiente necesita entonces una comprobación adecuada fuera de esa selección. Un resultado favorable con las imágenes anteriores no garantiza un rendimiento equivalente en otras condiciones.
Fuentes
Términos relacionados
- Aprendizaje automáticoLos modelos aprenden patrones de los datos y los aplican a nuevas entradas.
- Evaluación de LLMLa evaluación de LLM comprueba resultados según tareas y criterios definidos. Un buen caso aislado no demuestra calidad general.
- Visión artificialMétodos para extraer información de imágenes y vídeos, como clasificar objetos, localizarlos o distinguir regiones de una imagen.
- Datos de entrenamientoLos ejemplos a partir de los que un modelo aprende relaciones o parámetros durante el entrenamiento.
- Datos de validaciónDatos utilizados para evaluar y seleccionar variantes del modelo durante el desarrollo.
- SobreajusteUna adaptación excesiva a particularidades de los datos de entrenamiento que reduce la generalización a ejemplos nuevos.
Su proyecto con ASES
Descríbanos su proyecto. Le responderemos con una primera valoración.