Träningsdata

Träningsdata är den historiska, ofta märkta, datamängd som används för att lära en maskininlärningsmodell de mönster den senare ska tillämpa. Dess kvalitet, kvantitet och representativitet avgör i hög grad hur väl modellen presterar.

En modell kan bara bli så bra som den data den lär sig från. I industriella tillämpningar hämtas träningsdata vanligtvis från historians och underhållsregister, och att få tillräckligt med exempel på sällsynta fel är en ständig utmaning. Data måste rensas, samordnas i tid, märkas med bekräftade utfall och göras representativ för de förhållanden modellen kommer att möta. Partisk eller gles träningsdata leder till sköra modeller, och ändrade förhållanden senare orsakar modellavvikelse.

Relaterade termer

Övervakad inlärning · Särdragskonstruktion · Modellavvikelse (Model Drift)