Datos de validación
Datos utilizados para evaluar y seleccionar variantes del modelo durante el desarrollo.
¿Para qué sirven los datos de validación?
Los datos de validación ayudan a evaluar y seleccionar variantes del modelo o ajustes durante el desarrollo. Su función difiere de la de los ejemplos con los que el modelo aprende sus parámetros. Pueden utilizarse como un conjunto reservado o mediante particiones cambiantes. La división adecuada también depende de relaciones temporales u otras dependencias entre ejemplos. Para organizar una evaluación final independiente debe considerarse la selección del modelo.
En un proyecto ficticio de clasificación de fotos de repuestos, el equipo prevé comparar varias variantes con imágenes de validación. Examina los errores por clase de artículo y condiciones de captura, en lugar de elegir solo por una puntuación global. En este proyecto, las imágenes reservadas para la prueba final quedan fuera de esa selección. Adaptar repetidamente las variantes a los mismos casos de validación también puede producir una impresión demasiado favorable. Por eso, el equipo documenta las funciones de las imágenes y las decisiones de selección. Una buena puntuación de validación no demuestra por sí sola un rendimiento equivalente con fotos posteriores de productos.
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.
- Datos de entrenamientoLos ejemplos a partir de los que un modelo aprende relaciones o parámetros durante el entrenamiento.
- Datos de prueba en aprendizaje automáticoDatos reservados para la evaluación final cuyos resultados no se utilizaron para seleccionar la variante evaluada.
- SobreajusteUna adaptación excesiva a particularidades de los datos de entrenamiento que reduce la generalización a ejemplos nuevos.
- SubajusteSituación en la que un modelo no capta suficientemente las relaciones necesarias para su tarea y, por ello, produce predicciones deficientes.
Su proyecto con ASES
Descríbanos su proyecto. Le responderemos con una primera valoración.