Domaine
Séparation entraînement test
Questions et réponses classées dans ce domaine de la robotique et de l’intelligence artificielle.
-
Pourquoi séparer entraînement et test en apprentissage robotique ?
Séparer entraînement et test permet d’estimer si un modèle robotique généralise à des données non vues au lieu de mémoriser les exemples utilisés pour l’ajuster.
-
Comment séparer des séquences de robot sans fuite de données ?
Pour séparer des séquences de robot sans fuite, on partitionne par mission, scène, personne ou période, on garde les transformations dans l’entraînement et on contrôle les métadonnées partagées.
-
Quelle différence entre validation croisée et jeu de test final ?
La validation croisée réutilise plusieurs partitions d’entraînement pour choisir ou comparer un modèle, tandis que le jeu de test final reste intact pour une estimation ultime.
-
Comment gérer les classes rares dans les partitions ?
Pour gérer les classes rares, on conserve leur représentation dans les partitions, on évite de dupliquer une même scène et on rapporte des métriques adaptées avec leur incertitude.
-
Comment documenter une séparation entraînement-test ?
Documenter une séparation entraînement-test consiste à préciser sources, unités de regroupement, dates, proportions, transformations, exclusions, versions, métriques et responsables de la décision.