Validation

La création d'un ensemble d'apprentissage et d'un ensemble d'évaluation à partir d'un ensemble de données vous permet de déterminer si un modèle spécifique généralisera bien les nouvelles données. Toutefois, l'utilisation de deux partitions ne suffit pas toujours lorsque vous devez effectuer plusieurs séries d'ajustements des hyperparamètres.

Validation

Schéma d'un workflow composé de trois étapes. 1. Entraînez le modèle avec l'ensemble d'apprentissage. 2. Évaluez le modèle avec l'ensemble d'évaluation. 3. Modifiez le modèle en fonction des résultats obtenus avec l'ensemble d'évaluation. Itérez les étapes 1, 2 et 3, puis choisissez le modèle qui obtient les meilleurs résultats avec l'ensemble d'évaluation.
Barre horizontale divisée en trois parties : 70 % de la barre représente l'ensemble d'apprentissage, 15 % l'ensemble de validation et 15 % l'ensemble d'évaluation.
Workflow similaire à la figure 2, à l'exception près qu'au lieu d'évaluer le modèle avec l'ensemble d'évaluation, il est évalué avec l'ensemble de validation. Puis, une fois que les ensembles d'apprentissage et de validation concordent plus ou moins, confirmez le modèle avec l'ensemble d'évaluation.