Uitleg
Validatieset is een aparte set gegevens (afkomstig van trainingsset) gebruikt om modelperformance te beoordelen zonder het testresultaat te bederven.
Het trainingsproces kan zich aanpassen aan validatiefouten: als validatiefouten stijgen terwijl trainingsfouten dalen, stop je training (early stopping) omdat het model overfit. Dit helpt je hyperparameters te kiezen.
De splitsing is typisch: 70% training, 15% validatie, 15% test. Validatie is cruciaal omdat het je helpt goed voorspellende modellen te bouwen die goed generaliseren naar nieuwe data.
⚡ Voorbeelden
- •Check validatiefouten elke epoch; stop als ze 5 epochs lang niet verbeteren
- •Validatie-nauwkeurigheid vertelt je hoe goed het model op onbekende data doet
- •Hyperparameter-afstemming via validatie: probeer verschillende leersnelheden en selecteer beste
Trefwoorden
evaluatieonafhankelijkhyperparametersoverfitting-detectie