Conjuntos de datos de entrenamiento, validación y prueba

Carta Común · N.º 445750

En el aprendizaje automático, una tarea común es el estudio y la construcción de algoritmos que puedan aprender de los datos​ y hacer predicciones sobre ellos. Estos algoritmos funcionan haciendo predicciones o tomando decisiones basadas en los datos,​ mediante la construcción de un modelo matemático a partir de los datos de entrada. Estos datos de entrada utilizados para construir el modelo suelen dividirse en varios conjuntos de datos. En concreto, se suelen utilizar tres conjuntos de datos en distintas fases de la creación del modelo: conjuntos de entrenamiento, de validación y de prueba. El modelo se ajusta inicialmente a un conjunto de datos de entrenamiento,​ que es un conjunto de ejemplos utilizados para ajustar los parámetros (por ejemplo, los pesos de las conexiones entre neuronas en las redes neuronales artificiales) del modelo.​ El modelo (por ejemplo, un clasificador bayesiano ingenuo) se entrena en el conjunto de datos de entrenamiento utilizando un método de aprendizaje supervisado…

Leer en Wikipedia