Données d’entraînement

Quel rôle jouent les données d’entraînement ?

Les données d’entraînement sont les exemples à partir desquels un modèle apprend des relations ou des paramètres pendant l’entraînement. Les informations incluses dépendent de la tâche et de la méthode d’apprentissage. En apprentissage supervisé, les exemples contiennent des entrées et les cibles correspondantes. Une évaluation fiable nécessite aussi des données ayant d’autres rôles, comme la sélection du modèle et le contrôle final. La quantité seule indique peu si les données couvrent correctement la tâche future.

Dans un projet produit fictif, des photos de pièces détachées dont les étiquettes de classe ont été vérifiées doivent servir à l’entraînement. L’équipe prévoit des prises de vue couvrant les angles, éclairages et arrière-plans pertinents pour l’usage prévu. De nombreuses copies d’une même photo augmentent le nombre de fichiers sans créer la diversité correspondante. Avant l’entraînement, la provenance, la définition des classes et la répartition entre apprentissage et évaluation sont documentées. Les images d’un même exemplaire physique ou d’une même série de prises de vue sont identifiées. L’évaluation ultérieure peut ainsi tenir compte de ces dépendances au lieu de traiter, sans le savoir, des images proches comme des exemples indépendants.

Sources

• Google · Datasets: Dividing the original dataset