Testdata i maskinlæring
Data til avsluttende vurdering der resultatene ikke er brukt til å velge modellvarianten som vurderes.
Hva skal testdata vise?
Testdata brukes til å vurdere en valgt modell med eksempler som ikke har styrt utviklingen eller valget av modellen. De skal passe til den tiltenkte bruken og være egnet atskilt fra utviklingsdata. Oppdelingen avhenger også av grupper og tidsmessige forhold. Navnet testdatasett dokumenterer verken uavhengighet eller tilstrekkelig dekning. Resultatet gjelder dataene og forholdene som faktisk er vurdert.
I et fiktivt reservedelsprosjekt settes bilder av andre fysiske eksemplarer fra de samme vareklassene av til den avsluttende testen. Svært like opptak av samme eksemplar skal ikke umerkelig fordeles mellom trening og test. Planlagte lys- og opptaksforhold tas også med. Teamet registrerer hvilken variant og hvilke data som vurderes. Hvis det deretter bruker testresultatene til å velge neste variant, har testen påvirket utviklingen. En ny uavhengig sluttvurdering krever da igjen en egnet kontroll utenfor dette valget. Et gunstig resultat med de tidligere bildene garanterer ikke like gode resultater under andre forhold.
Kilder
Beslektede begreper
- MaskinlæringModeller lærer mønstre fra data og bruker dem på nye inndata.
- LLM-evalueringLLM-evaluering tester modellutdata mot definerte oppgaver og kriterier. Ett godt enkelttilfelle dokumenterer ikke generell kvalitet.
- DatasynMetoder for å hente informasjon fra bilder og video, for eksempel ved å klassifisere objekter, finne plasseringen deres eller skille mellom bildeområder.
- TreningsdataEksemplene som en modell lærer sammenhenger eller parametere fra under treningen.
- ValideringsdataData som brukes til å vurdere og velge modellvarianter under utviklingen.
- OverfittingFor sterk tilpasning til særtrekk i treningsdata som svekker modellens generalisering til nye eksempler.
Ditt prosjekt med ASES
Beskriv prosjektet ditt for oss. Vi tar kontakt med en første vurdering.