Was Datensatz bedeutet
Ein Datensatz kann Zeilen in einer Tabelle, Bilder, Dokumente, Audiodateien, Videos, Protokolle, Labels oder Kombinationen davon enthalten. Beim maschinellen Lernen werden Datensätze häufig in Trainings-, Validierungs- und Testsätze aufgeteilt, damit Teams Modelle entwickeln und bewerten können.
Warum das wichtig ist
Datensätze sind wichtig, weil sie die Beweise sind, aus denen ein Modell lernt und anhand derer es beurteilt wird. Ein gut gestalteter Datensatz stellt die eigentliche Aufgabe dar, enthält wichtige Randfälle und ist ausreichend dokumentiert, damit Teams seine Grenzen verstehen können.
Häufige Anwendungen
- Trainingsmodelle.
- Validierung von Hyperparametern.
- Testen der endgültigen Leistung.
- Prüfungsvoreingenommenheit oder -berichterstattung.
- Modellfehler analysieren.
Worauf zu achten ist
Datensätze können Duplikate, fehlende Werte, Lecks, Verzerrungen, sensible Daten oder veraltete Beispiele enthalten. Datenqualitätsarbeit ist keine Haushaltsführung; es ist Teil der Modellqualität.
Datensatz lässt sich am besten im Kontext verstehen: welche Daten verwendet werden, welche Aufgabe unterstützt wird und wie die Ausgabe geprüft wird.