Зачем нужно разделение на train/test выборки?

Варианты ответа

• Чтобы оценить, как модель будет работать на новых данных: train — для обучения, test — для проверки обобщающей способности. Без разделения — overfitting: модель заучит ответы
• Чтобы ускорить процесс обучения модели за счёт уменьшения объёма данных, на которых нужно рассчитывать градиенты: train — это половина от полного датасета по объёму
• Test-выборка используется для дообучения модели финальными данными, а train — только для первоначальной проверки архитектуры нейросети или дерева решений
• Разделение не нужно если данных достаточно много (10M+ примеров) — в таком случае модель не сможет переобучиться по определению и оценка корректна без splits

Разбор ответа

Получить доступ к ответам — все вопросы →

Похожие вопросы из категории «ML»

• Как диагностировать переобучение модели и какие приёмы помогают его предотвратить?
• Перечислите основные способы регуляризации и объясните, когда применять каждый.
• Объясните разницу между precision и recall.
• Как выбрать между ROC-AUC и PR-AUC для оценки модели классификации?
• В чём принцип градиентного бустинга и почему он так популярен в продуктовой аналитике?