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 datiIl 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, 15Quando 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.