Valideringsdata
Data som brukes til å vurdere og velge modellvarianter under utviklingen.
Hva brukes valideringsdata til?
Valideringsdata hjelper med å vurdere og velge modellvarianter eller innstillinger under utviklingen. De har en annen rolle enn eksemplene som modellen lærer parameterne sine fra. De kan brukes som et eget tilbakeholdt datasett eller gjennom skiftende oppdelinger. En egnet oppdeling avhenger også av tidsmessige eller andre avhengigheter mellom eksemplene. Modellvalget må tas med når en avsluttende uavhengig vurdering planlegges.
I et fiktivt prosjekt for klassifisering av reservedelsbilder planlegger teamet å sammenligne flere varianter med valideringsbilder. Det ser på feil per vareklasse og opptakssituasjon i stedet for bare å velge etter en samlet skår. I dette prosjektet holdes bildene til den avsluttende testen utenfor dette valget. Gjentatt tilpasning av varianter til de samme valideringstilfellene kan også der gi et for gunstig bilde. Teamet dokumenterer derfor bildenes roller og beslutningene om modellvalg. En god valideringsskår dokumenterer ikke i seg selv like gode resultater på senere produktbilder.
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.
- TreningsdataEksemplene som en modell lærer sammenhenger eller parametere fra under treningen.
- Testdata i maskinlæringData til avsluttende vurdering der resultatene ikke er brukt til å velge modellvarianten som vurderes.
- OverfittingFor sterk tilpasning til særtrekk i treningsdata som svekker modellens generalisering til nye eksempler.
- UnderfittingEn modell fanger ikke opp sammenhengene oppgaven trenger godt nok, og gir derfor svake prediksjoner.
Ditt prosjekt med ASES
Beskriv prosjektet ditt for oss. Vi tar kontakt med en første vurdering.