Respuesta correcta
- BUna división de datos reservada utilizada durante el desarrollo para ajustar hiperparámetros y comparar modelos
Explicación
Un validation dataset es un subconjunto de los datos de entrenamiento separado que se utiliza durante el desarrollo del modelo para ajustar hiperparámetros y comparar diferentes modelos sin sesgo. En Azure Machine Learning, esta división se realiza normalmente utilizando la función `train_test_split` o de forma automatizada mediante la configuración de validación cruzada de AutoML, asegurando que el rendimiento del modelo en datos no vistos se estime con precisión antes de la evaluación final en el conjunto de prueba.
Para profundizar
Un validation dataset es una porción de datos etiquetados separada que se utiliza durante el desarrollo del modelo para ajustar hiperparámetros, comparar arquitecturas y decidir cuándo detener el entrenamiento, sin tocar el conjunto de prueba. La división típica consta de entrenamiento, validación y prueba; el conjunto de prueba se reserva para una estimación final sin sesgos. Un comportamiento sutil: ajustar repetidamente frente al conjunto de validación provoca fugas de información, por lo que su rendimiento se vuelve sesgado de forma optimista y ya no representa los datos no vistos. Por esta razón, la validación cruzada de k-pliegues se utiliza en conjuntos de datos más pequeños, rotando qué pliegue sirve como validación. Un escenario realista es seleccionar el número de capas ocultas en una red neuronal: la pérdida de validación guía la detención temprana, mientras que el conjunto de prueba intacto confirma la generalización antes de la implementación. Confundir la validación con el conjunto de prueba conduce a un sobreajuste y a un rendimiento deficiente en producción.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de AI-900 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.
Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.