Opdel i train, validation og test
Hvorfor De har brug for tre sæt og ikke ét.
Opdel i train, validation og test er en gratis Deep Learning Academy-lektion på CoddyKit. Dette er lektion 1 af 4. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i Deep Learning Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Deep Learning Academy-kurset indeholder 4 lektioner i alt.
Én bunke er ikke nok
Hvis du træner og vurderer en model på de samme data, lærer du kun, at den har lært disse rækker udenad. Hvis du vil kunne stole på den, skal du opdele dine data i separate roller.
Mød træningssættet
Træningssættet er de data, som modellen faktisk lærer fra. Dens vægte justeres igen og igen, så den passer godt præcis til disse eksempler.
Mød valideringssættet
Valideringssættet holdes adskilt under træningen og kontrolleres løbende. Det fortæller dig, hvordan modellen klarer sig på data, som den aldrig er blevet opdateret på.
Mød testsættet
Testsættet bruges én gang, helt til sidst. Det giver en ærlig, endelig score, efter at alle valg allerede er truffet.
Hvorfor validering er separat
Du justerer indstillinger som læringsraten ved at se på valideringsresultaterne. Det lækker ubemærket valideringssættet ind i dine valg, så det ikke længere kan fungere som en ren endelig bedømmelse.
Testsættet forbliver forseglet
Fordi valideringen har guidet dine beslutninger, har du brug for én urørt bunke til sandheden. Hold testsættet forseglet, indtil du er helt færdig.
En almindelig opdeling
Et typisk udgangspunkt er omtrent 80/10/10: De fleste data til træning og mindre dele til validering og test. Tilpas fordelingen efter, hvor mange data du har.
Opdel med random_split
PyTorch giver dig random_split til at opdele et datasæt i dele efter længde. Det blander selv, hvilke eksempler der ender i hvert sæt.
from torch.utils.data import random_split
train, val, test = random_split(ds, [800, 100, 100])Brug et seed til reproducerbare opdelinger
Opdelingen er tilfældig, så angiv et seed, hvis du vil have de samme dele ved hver kørsel. Det gør eksperimenter sammenlignelige på tværs af sessioner.
g = torch.Generator().manual_seed(42)
train, val, test = random_split(ds, [800, 100, 100], generator=g)Stratificér for balance
Med sjældne klasser kan en almindelig tilfældig opdeling udelade nogle af dem. Stratificering holder klassesammensætningen i hvert sæt tæt på den oprindelige, så scorerne forbliver meningsfulde.
Kig aldrig på testsættet
Grundreglen er enkel: Lad ikke testsættet påvirke nogen beslutning. Så snart det sker, er dit endelige tal ikke længere troværdigt.
Hurtigt tjek
Hvilket sæt bør du kun se på én gang, helt til sidst?
Opsummering
Tre sæt, tre opgaver: træningssættet lærer modellen op, valideringen guider dine justeringer, og testsættet giver den endelige ærlige score. Hold testsættet forseglet indtil slutningen. 🎯
Lær Python med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 30
- Lektioner
- 120
Ofte stillede spørgsmål
Er lektionen “Opdel i train, validation og test” gratis?
Ja — hele teksten til “Opdel i train, validation og test” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af Deep Learning Academy-kurset, skal du opgradere til CoddyKit PRO. Deep Learning Academy-kurset indeholder 4 lektioner i alt.
Hvad lærer jeg i “Opdel i train, validation og test”?
Hvorfor De har brug for tre sæt og ikke ét. Du øver dig i Deep Learning Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på Deep Learning Academy?
Der kræves ingen tidligere erfaring. Deep Learning Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 1 af 4.
Hvor lang tid tager lektionen “Opdel i train, validation og test”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne Deep Learning Academy-lektion?
Ja. Alle Deep Learning Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Opdel i train, validation og test
- Et epoch-loop med validering
- Gem og indlæs med state_dict
- Early stopping på val loss