Valideringsdata
Data för att bedöma och välja modellvarianter under utvecklingen.
Vad används valideringsdata till?
Valideringsdata hjälper till att bedöma och välja modellvarianter eller inställningar under utvecklingen. De har en annan roll än exemplen som modellen lär sig sina parametrar från. De kan användas som en separat undanhållen datamängd eller genom växlande uppdelningar. En lämplig uppdelning beror också på tidsmässiga eller andra beroenden mellan exemplen. Modellvalet behöver beaktas när en slutlig oberoende bedömning planeras.
I ett fiktivt projekt för klassificering av reservdelsfoton planerar teamet att jämföra flera varianter med valideringsbilder. Det granskar fel per artikelklass och fotograferingssituation i stället för att välja enbart efter ett sammanvägt värde. I detta projekt hålls bilderna för sluttestet utanför detta val. Upprepad anpassning av varianter till samma valideringsfall kan ge en alltför gynnsam bild även där. Teamet dokumenterar därför bildernas roller och urvalsbesluten. Ett bra valideringsresultat bevisar inte i sig lika bra prestanda på senare produktfoton.
Källor
Relaterade begrepp
- MaskininlärningModeller lär sig mönster från data och använder dem på nya indata.
- LLM-utvärderingLLM-utvärdering prövar modellutdata mot definierade uppgifter och kriterier. Ett bra enskilt exempel bevisar inte allmän kvalitet.
- TräningsdataDe exempel som en modell lär sig samband eller parametrar från under träningen.
- Testdata inom maskininlärningData för slutbedömning vars resultat inte har använts för att välja den modellvariant som bedöms.
- OverfittingFör stark anpassning till särdrag i träningsdata som försämrar modellens generalisering till nya exempel.
- UnderfittingEn modell fångar inte upp de samband som behövs för uppgiften tillräckligt och ger därför svaga förutsägelser.
Ditt projekt med ASES
Beskriv ditt projekt för oss. Vi hör av oss med en första bedömning.