Grundlagen des maschinellen Lernens

Wofür werden die Validierungsdaten hauptsächlich verwendet, wenn Daten in Trainings-, Validierungs- und Testdaten aufgeteilt werden?

  1. AZum Abstimmen der Hyperparameter und zum Vergleich mehrerer Modelle
  2. BZur Berechnung des Fehlers, mit dem die Gewichte des Modells aktualisiert werden
  3. CNur einmal am Ende der Entwicklung, um die Leistung des fertigen Modells abzuschätzen
Antwort und Erläuterung anzeigen

Antwort: A. Zum Abstimmen der Hyperparameter und zum Vergleich mehrerer Modelle

Mit den Trainingsdaten werden die Gewichte des Modells bestimmt; mit den Validierungsdaten werden Hyperparameter wie die Lernrate und die Zahl der Schichten abgestimmt und Modelle verglichen, um zu entscheiden, welches übernommen wird. Die Testdaten werden erst nach Abschluss aller Abstimmungen genau einmal verwendet, um die Leistung bei unbekannten Daten abzuschätzen. Wird immer wieder anhand der Validierungsergebnisse abgestimmt, passt sich das Modell nach und nach auch an die Validierungsdaten an; für die abschließende Bewertung sind daher separat zurückgehaltene Testdaten nötig.

Dieses Thema üben Zur Themenseite

Weitere Fragen zu Grundlagen des maschinellen Lernens

  1. Bei einer 5-fachen Kreuzvalidierung (k-fache Kreuzvalidierung mit k = 5) mit 1000 Datenpunkten: Wie viele Datenpunkte werden in jedem Durchgang zum Training verwendet?
  2. Woran erkennt man, dass Überanpassung (Overfitting) auftritt?
  3. Welche Aussage ist zutreffend, wenn man den Fehler eines Modells in Bias (Verzerrung) und Varianz (Streuung) zerlegt?
  4. Welche Beschreibung der Regularisierung und verwandter Verfahren gegen Überanpassung trifft zu?
  5. Welcher der folgenden Schritte beim Erstellen eines Machine-Learning-Modells verursacht Data Leakage (Informationen aus den Bewertungsdaten gelangen ins Training)?