Resposta correta
- BUma divisão de dados separada usada durante o desenvolvimento para ajustar hiperparâmetros e comparar modelos
Explicação
Um validation dataset é um subconjunto separado dos dados de treinamento usado durante o desenvolvimento do modelo para ajustar hiperparâmetros e comparar diferentes modelos sem viés. No Azure Machine Learning, essa divisão é normalmente realizada usando a função `train_test_split` ou automatizada por meio das configurações de validação cruzada do AutoML, garantindo que o desempenho do modelo em dados não vistos seja estimado com precisão antes da avaliação final no conjunto de teste.
Para se aprofundar
Um validation dataset é uma parte separada de dados rotulados usada durante o desenvolvimento do modelo para ajustar hiperparâmetros, comparar arquiteturas e decidir quando parar o treinamento, sem tocar no conjunto de teste. A divisão típica é treino, validação e teste; o conjunto de teste é reservado para uma estimativa final imparcial. Um comportamento sutil: ajustar repetidamente em relação ao conjunto de validação causa vazamento de informações, de modo que seu desempenho se torna otimistamente tendencioso e não representa mais dados não vistos. É por isso que a validação cruzada k-fold é usada em conjuntos de dados menores, alternando qual dobra serve como validação. Um cenário realista é selecionar o número de camadas ocultas em uma rede neural: a perda de validação guia a parada antecipada, enquanto o conjunto de teste intocado confirma a generalização antes da implantação. Confundir validação com o conjunto de teste leva ao sobreajuste (overfitting) e a um desempenho ruim em produção.
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.