Zbiór walidacyjny to podzbiór danych wykorzystywany w procesie uczenia maszynowego do bieżącej oceny modelu i optymalizacji jego parametrów. Służy on przede wszystkim do dostrajania hiperparametrów oraz wyboru najlepszej wersji algorytmu przed jego ostatecznym sprawdzeniem. Dzięki regularnej weryfikacji na tych danych programiści mogą monitorować wydajność modelu i skutecznie zapobiegać zjawisku przeuczenia. W przeciwieństwie do zbioru testowego, wyniki uzyskiwane na zbiorze walidacyjnym mają bezpośredni wpływ na modyfikacje wprowadzane w strukturze modelu podczas jego trenowania.
Źródło: deeptechnology.ai
