Dati di test nell’apprendimento automatico

Che cosa devono mostrare i dati di test?

I dati di test servono a valutare un modello scelto con esempi che non ne abbiano guidato lo sviluppo o la selezione. Devono corrispondere all’uso previsto ed essere separati adeguatamente dai dati di sviluppo. La suddivisione dipende anche da gruppi e relazioni temporali. Il nome insieme di test non dimostra indipendenza né copertura sufficiente. Il risultato vale per i dati e le condizioni effettivamente valutati.

In un progetto di ricambi fittizio, foto di altri esemplari fisici delle stesse classi di articolo vengono riservate al test finale. Riprese molto simili dello stesso esemplare non devono essere distribuite inconsapevolmente tra addestramento e test. Si considerano anche le condizioni di luce e ripresa previste. Il gruppo di lavoro registra quale variante e quali dati vengano valutati. Se poi usa i risultati del test per scegliere la variante successiva, quel test ha influenzato lo sviluppo. Una nuova valutazione finale indipendente richiede quindi un controllo adeguato al di fuori di quella selezione. Un risultato favorevole sulle immagini precedenti non garantisce prestazioni equivalenti in altre condizioni.

Fonti

• Google · Datasets: Dividing the original dataset

• scikit-learn · Cross-validation