Bonne réponse
- BFournir une évaluation finale impartiale du modèle entraîné sur des données inédites
Explication
Le jeu de données de test est utilisé pour fournir une évaluation finale impartiale du modèle entraîné sur des données inédites. C'est essentiel en machine learning car le modèle n'a jamais vu les exemples de test pendant l'entraînement ou la validation, de sorte que les métriques d'évaluation (par exemple, accuracy, precision, recall) reflètent la véritable capacité de généralisation du modèle. Dans Azure Machine Learning, le jeu de données de test est généralement séparé des données d'origine avant le début de tout entraînement et n'est utilisé qu'une seule fois à la fin du cycle de vie de développement du modèle.
Pour aller plus loin
L'ensemble de test est mis de côté avant tout entraînement et n'est manipulé qu'une seule fois, tout à la fin, pour estimer l'erreur de généralisation. Comme le modèle ne voit jamais ces exemples lors de l'ajustement, la métrique résultante approxime les performances sur des données réellement inédites, c'est pourquoi il ne doit pas être utilisé pour les mises à jour de gradient ou la recherche d'hyperparamètres. Un piège subtil : si vous évaluez de manière répétée sur l'ensemble de test et choisissez le modèle ayant le meilleur score, vous divulguez des informations et l'estimation devient biaisée de manière optimiste ; c'est pourquoi un ensemble de validation séparé (ou validation croisée) est utilisé pour l'ajustement. Dans un scénario réel, une équipe de détection des fraudes s'entraîne sur 70 % des transactions, effectue le réglage sur 15 % et rapporte la precision et le recall finaux sur la division de test intouchée de 15 % avant le déploiement.
À propos de ces questions d'entraînement
Cette question fait partie des questions d'entraînement AI-900 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.
Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.