Základy AI
Dátová sada
po anglicky: dataset
Usporiadaná zbierka dát pripravená na trénovanie alebo testovanie modelu.
Dátová sada je usporiadaná zbierka dát pripravená na trénovanie alebo na testovanie. Rozdiel medzi ňou a náhodnou hromadou súborov je v tom, že je popísaná: vie sa, čo v nej je, odkiaľ to je a čo znamená ktorý stĺpec.
Pri strojovom učení sa sada takmer vždy rozdelí na dve časti a to rozdelenie je dôležitejšie, než sa zdá.
| Tréningová časť | Testovacia časť |
|---|---|
| Model ju vidí a učí sa z nej | Model ju nikdy nevidel |
| Zvyčajne osemdesiat percent dát | Zvyčajne dvadsať percent |
| Ukazuje, či sa model vie naučiť | Ukazuje, či sa naučil naozaj alebo len zapamätal |
Prečo sa testuje na tom, čo model nevidel
Keby sa model hodnotil na dátach, z ktorých sa učil, vyzeral by výborne aj vtedy, keby si ich len zapamätal. Podobne ako žiak, ktorý sa naučí naspamäť odpovede z minuloročnej písomky a na novej neuspeje.
Tento jav má aj názov: preučenie. Model si namiesto pravidla zapamätá príklady.
Na informatike sa dá dátová sada postaviť v triede za jednu hodinu. Stačí, aby každý žiak priniesol päť fotiek dvoch druhov ovocia a označil, čo je na ktorej. Vyjde z toho zbierka, na ktorej je vidieť aj to, ako ľahko sa do dát dostane chyba: rozmazané fotky, zle označené kusy, jedno ovocie zastúpené trikrát častejšie než druhé.
Presne tie problémy majú aj veľké sady, len v inom rozsahu.