A tesztkészlet egy külön adathalmaz, amellyel a betanított AI-modell teljesítményét mérik.
Nem tartalmaz olyan adatokat, amelyeket a modell korábban látott. Ez biztosítja, hogy a modell ne csak a tanítókészletet „magolja be”, hanem képes legyen új adatokra is jól reagálni.
Segít felmérni a modell valódi pontosságát és megbízhatóságát.
Új ügyféladatok felhasználása egy banki kockázatelemző modell értékelésére.
Alulillesztés akkor történik, amikor a modell túl egyszerű, és nem képes megtanulni az adatok közötti alapvető összefüggéseket.
A felügyelt tanulás egy gépi tanulási módszer, ahol az algoritmust olyan adatokkal tanítják, amelyek tartalmazzák a bemeneteket és a hozzájuk tartozó helyes kimeneteket.
A keresztvalidáció egy technika, amely az adatok több részre osztásával méri a modell teljesítményét.
A modell az a matematikai és statisztikai struktúra, amelyet az AI az adatokból tanulás során hoz létre, és amit a döntéshozatalra használ.
A predikció az a folyamat, amikor az AI-modell új bemenetek alapján előrejelzést ad a várható kimenetre.
A tanítókészlet az a konkrét adathalmaz, amelyet az AI-modell betanítására használnak.
A túlillesztés akkor fordul elő, amikor a modell túl jól megtanulja a tanítókészlet adatait, de új adatokon rosszul teljesít.
A validációs készlet olyan adathalmaz, amelyet a modell finomhangolására, az optimális paraméterek kiválasztására használnak.
