Una comparación lado a lado entre datos de entrenamiento y datos de validación. Comprenda cómo los datos usados para ajustar el modelo difieren de los datos usados durante el desarrollo para ajustar decisiones y detectar problemas de generalización.
Veredicto rápido: Use Datos de entrenamiento para ajustar parámetros del modelo; use Datos de validación para ajustar decisiones de desarrollo y detectar sobreajuste o subajuste.
Training Data defines dataset used to teach or fit a machine learning model by adjusting its learnable parameters.
Contexto: Más relevante para los ejemplos que moldean directamente el aprendizaje del modelo.
Validation Data defines data used to evaluate a model during development and tune choices such as hyperparameters, thresholds, or learning processes.
Contexto: Más relevante durante el desarrollo al elegir configuraciones de modelo y evaluar la generalización antes de las pruebas finales.
| Aspecto | Training Data | Validation Data |
|---|---|---|
| Propósito | Los datos de entrenamiento ajustan el modelo modificando parámetros aprendibles. | Los datos de validación evalúan el modelo durante el desarrollo y respaldan decisiones de ajuste. |
| Uso en el ciclo de vida | Se usan en el propio proceso de aprendizaje. | Se usan durante el desarrollo para comparar, ajustar y diagnosticar modelos. |
| Riesgo de fuga de datos | El riesgo surge si datos de validación o prueba se incluyen en el entrenamiento. | El riesgo surge si los datos de validación se usan en exceso hasta que dejan de reflejar la generalización. |
| Evidencia de gobernanza | Respalda evidencia sobre qué datos dieron forma al modelo. | Respalda evidencia sobre decisiones de desarrollo, umbrales, hiperparámetros y comprobaciones de generalización. |
| Error común | Suponer que más datos de entrenamiento siempre mejoran la calidad de gobernanza sin importar procedencia o etiquetado. | Tratar resultados de validación como evidencia final de rendimiento independiente. |
En la práctica, los datos de validación son donde ocurren muchas decisiones de diseño ocultas; documentar esas decisiones es esencial para la auditabilidad.
Usar datos de validación como datos de entrenamiento después de tomar decisiones de ajuste.
Informar resultados de validación como si fueran resultados finales de prueba.
No documentar decisiones de hiperparámetros, umbrales o selección de modelo respaldadas por datos de validación.
Use Datos de entrenamiento cuando se hable de los ejemplos usados para enseñar o ajustar el modelo. Deben gobernarse por calidad, cantidad, diversidad, etiquetado, procedencia e impacto de cumplimiento.
Use Datos de validación cuando se hable de evaluación durante el desarrollo usada para ajustar hiperparámetros, umbrales o decisiones de aprendizaje. Deben distinguirse de los datos de entrenamiento y prueba para respaldar comprobaciones de generalización.
La evidencia de validación respalda controles defendibles de desarrollo de modelos, pero no sustituye las pruebas independientes. La documentación bajo el Reglamento de IA de la UE y el aseguramiento de IA debe registrar la lógica de partición de datos, decisiones de ajuste y prevención de fugas.
No directamente del mismo modo que los datos de entrenamiento. Se usan para evaluar el modelo durante el desarrollo y guiar decisiones de ajuste.
Los datos de validación respaldan decisiones de desarrollo, mientras que un conjunto de prueba se reserva para una evaluación más independiente después del entrenamiento y ajuste.
Crean evidencia para decisiones de selección de modelo, ajuste, umbrales y generalización que pueden afectar el riesgo y las afirmaciones de rendimiento.
No recently viewed comparisons yet.