Réponse rapide
La séparation entraînement-test mesure la généralisation sur des exemples écartés et évite un score élevé obtenu par mémorisation. Sessions, scènes, trajectoires et séquences proches doivent rester dans le même ensemble.
Éviter la fuite
Lieu, robot, objet, session, date et séquence guident la séparation. Images ou mesures quasi identiques ne doivent pas franchir la frontière.
Réserver le test
Entraînement et validation servent au développement ; test indépendant sert au verdict. Conditions nouvelles et cas limites complètent la mesure.
Lire le score avec contexte
Erreur par classe, scénario, capteur et distance révèle ce qu’une moyenne cache. Un modèle n’est pas généralisé s’il réussit une seule configuration.
Sources et références
- [1] Model selection and evaluation — scikit-learn User Guide — scikit-learn
- [2] Robotics and Autonomous Systems Technology Roadmaps — NASA