Pourquoi séparer entraînement et test en apprentissage robotique ?
On sépare entraînement et test pour mesurer si un modèle robotique généralise à des données qu’il n’a jamais vues, plutôt que de vérifier sa mémoire des exemples.
Domaine de connaissance
Questions du domaine
5 résultats
On sépare entraînement et test pour mesurer si un modèle robotique généralise à des données qu’il n’a jamais vues, plutôt que de vérifier sa mémoire des exemples.
On sépare des séquences de robot sans fuite de données en gardant ensemble les images ou mesures d’un même trajet, d’une même session ou d’un même objet.
La validation croisée réutilise plusieurs partitions pour comparer ou régler un modèle, tandis que le jeu de test final reste réservé à l’estimation indépendante avant déploiement.
On gère les classes rares en conservant leur représentation dans les partitions, en regroupant les événements liés et en rapportant des métriques qui ne les noient pas dans la classe majoritaire.
On documente une séparation entraînement-test avec les règles de découpage, les groupes, les dates, les versions, les exclusions, les accès et le calcul des métriques.
Une question plus précise ?