Validation Set

/ˌvælɪˈdeɪʃən sɛt/

Validation Set: Una porzione di dati tenuta da parte durante il training per tuning iperparametri e prevenzione overfitting. Il validation set è usato per valutare le performance del modello durante il training e prendere decisioni su iperparametri, architettura o early stopping.

In English: Validation SetLegge III · Come una rete impara dai dati

Il validation set è usato per valutare le performance del modello durante il training e prendere decisioni su iperparametri, architettura o early stopping. È distinto dal test set che è usato solo per valutazione finale.

Formula

Dataset = training ∪ validation ∪ test, con insiemi disgiunti

Esempio numerico

import numpy as np
x = np.arange(100)
train, val, test = x[:70], x[70:85], x[85:]
print(len(train), len(val), len(test))  # 70, 15, 15

Quando usarlo

Serve per iperparametri, early stopping e selezione del modello prima di valutare una sola volta sul test.

Limiti

Riutilizzarlo troppo spesso causa adattamento indiretto; gruppi e tempo devono essere rispettati nello split.

Esempi

  • Split 80% train, 10% validation, 10% test
  • Tuning iperparametri
  • Criterio early stopping

Autovalutazione

Tre domande per verificare la comprensione della voce. Le spiegazioni restano disponibili anche senza JavaScript.

1. Che cos’è Validation Set?
Spiegazione

Validation Set: Una porzione di dati tenuta da parte durante il training per tuning iperparametri e prevenzione overfitting. Il validation set è usato per valutare le performance del modello durante il training e prendere decisioni su iperparametri, architettura o early stopping.

2. Quale applicazione è coerente con Validation Set?
Spiegazione

Serve per iperparametri, early stopping e selezione del modello prima di valutare una sola volta sul test.

3. Quale voce è collegata a Validation Set?
Spiegazione

Le voci correlate sono scelte per collegamento tecnico, non per somiglianza casuale.