Resposta correta
- BFornecer uma avaliação final imparcial do modelo treinado em dados não vistos
Explicação
O conjunto de dados de teste é usado para fornecer uma avaliação final imparcial do modelo treinado em dados não vistos. Isso é crítico no aprendizado de máquina porque o modelo nunca viu os exemplos de teste durante o treinamento ou validação, portanto as métricas de avaliação (por exemplo, acurácia, precisão, revocação) refletem a verdadeira capacidade de generalização do modelo. No Azure Machine Learning, o conjunto de dados de teste é tipicamente separado dos dados originais antes de qualquer treinamento começar e é usado apenas uma vez no final do ciclo de vida de desenvolvimento do modelo.
Para se aprofundar
O conjunto de teste é retido antes de qualquer treinamento e é acessado apenas uma vez, no próprio final, para estimar o erro de generalização. Como o modelo nunca vê esses exemplos durante o ajuste, a métrica resultante aproxima o desempenho em dados verdadeiramente não vistos, razão pela qual ele não deve ser usado para atualizações de gradiente ou busca de hiperparâmetros. Uma armadilha sutil: se você avaliar repetidamente no conjunto de teste e escolher o modelo com melhor pontuação, você vaza informações e a estimativa se torna otimizadamente viesada; é por isso que um conjunto de validação separado (ou validação cruzada) é usado para o ajuste. Em um cenário real, uma equipe de detecção de fraudes treina em 70% das transações, ajusta em 15% e relata a precisão/revocação final na divisão de teste intacta de 15% antes da implantação.
Sobre estas questões de prática
Esta é uma das questões de prática originais de AI-900 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.
Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.