Training e test set: differenze tra le versioni

Versione delle 09:04, 15 lug 2022

Versione attuale delle 14:10, 2 ott 2023

Riga 1:

Nell'[[apprendimento automatico]]<ref>T. Mitchell, ''Machine Learning''. McGraw-Hill, 1997.</ref> un '''training set''' (in italiano '''insieme di addestramento''' o '''insieme di stima''') è un insieme di ''esempi'' (spesso rappresentati come [[Vettore (matematica)|vettori]] di valori di attributi discreti o continui, le variabili di input) ad ognuno dei quali è associata una risposta, il valore di un attributo-obiettivo, ossia un valore categorico, cioè una classe, o un valore numerico. Tali esempi vengono utilizzati per addestrare un modello predittivo [[apprendimento supervisionato|supervisionato]] (tipicamente un [[Classificatore (matematica)|classificatore]] o un [[regressore]]) capace di determinare il valore-obiettivo per nuovi esempi. Un modello addestrato può essere valutato su un nuovo insieme di esempi, il '''''test set''''' (in italiano '''insieme di verifica'''), non utilizzati in fase di addestramento.

È comune dividere il ''training set'' in una parte dedicata all'addestramento dell'algoritmo, detta propriamente ''training set'' e una parte dedicata alla verifica della bontà dell'addestramento, detta '''''validation set''''' (in italiano '''insieme di validazione''').

==Motivazione==

Riga 12:

* [[Convalida incrociata]]

* [[Classificatore (matematica)]]

== Altri progetti ==

{{interprogetto}}

{{Apprendimento automatico}}