Bonne réponse
- BUne division de données mise de côté utilisée pendant le développement pour régler les hyperparamètres et comparer des modèles
Explication
Un validation dataset est un sous-ensemble de données d'entraînement mis de côté, utilisé pendant le développement du modèle pour régler les hyperparamètres et comparer différents modèles sans biais. Dans Azure Machine Learning, cette division est généralement effectuée à l'aide de la fonction `train_test_split` ou automatisée via les paramètres de validation croisée d'AutoML, garantissant que les performances du modèle sur des données non vues sont estimées avec précision avant l'évaluation finale sur le jeu de test.
Pour aller plus loin
Un validation dataset est une portion de données étiquetées mise de côté, utilisée lors du développement du modèle pour régler les hyperparamètres, comparer des architectures et décider quand arrêter l'entraînement, sans toucher au jeu de test. La division classique comprend l'entraînement, la validation et le test ; le jeu de test est réservé pour une estimation finale non biaisée. Un comportement subtil : ajuster de manière répétée par rapport au jeu de validation provoque une fuite d'information, de sorte que ses performances deviennent biaisées de façon optimiste et ne représentent plus les données non vues. C'est pourquoi la validation croisée à k-blocs est utilisée sur des ensembles de données plus petits, en faisant tourner le bloc qui sert de validation. Un scénario réaliste consiste à sélectionner le nombre de couches cachées dans un réseau de neurones : la perte de validation guide l'arrêt précoce, tandis que le jeu de test intact confirme la généralisation avant le déploiement. Confondre la validation avec le jeu de test entraîne un surapprentissage et de mauvaises performances en production.
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.