Множество обучающее (Training set)

Синонимы: Выборка обучающая, Множество тренировочное

В машинном обучении обучающее множество представляет собой набор структурированных данных, используемый для обучения аналитических моделей — нейронных сетей, деревьев решений, карт Кохонена и др. Каждая запись обучающего множества представляет собой обучающий пример.

Фактически, обучающее множество представляет собой функцию, заданную таблично парами входных и выходных векторов $\left[\right(X_1{Y}_1),(X_2{Y}_2),\dots ,(X_k{Y}_k\left)\right]$. После обучения модель должна реализовывать эту функцию.

Например, обучающее множество для обучения умножению и сложению будет содержать четыре переменных — две входных и две выходных. Входными переменными будут два числа (аргумента) $x_1$ и $x_2$, которые требуется умножить или сложить, а выходными переменными будут $y_1$ и $y_2$ — правильные результаты сложения и умножения. Для решения задачи классификации, обучающее множество должно состоять из примеров, для которых априорно задана метка класса.

Обучающее множество должно удовлетворять нескольким требованиям:

• отражать правила и закономерности исследуемого процесса, которые должна обнаружить модель и по которым должно строится отображение вход-выход;
• быть репрезентативным, т.е. содержать достаточное количество уникальных примеров, как можно более полно отражающих закономерности исследуемого процесса;
• удовлетворять определенным критериям качества данных;
• не содержать дубликатов и противоречий, пропусков и аномальных значений.

Разделение исходного набора данных на обучающую и тестовую выборки в Loginom осуществляет обработчик разбиение на множества.