Mis on adversarial validation ja milleks see vajalik on?

Adversaarne valideerimine on meetod, mis kontrollib, kui sarnased on koolitus- ja testkogumite jaotused. Selleks luuakse klassifikaator, mille ülesandeks on eristada koolitusandmetest pärit objekte testandmetest päritest. Kui klassifikaator näitab kõrget täpsust, tähendab see, et jaotused erinevad tugevalt ning mudel võib testandmetel halvasti üldistada.

Miks see on vajalik:

• Kontrollida, kas koolitus- ja testandmete vahel on kalduvus.
• Mõista, kas valitud testkogum on sobiv.
• Tabelandmete ja boosting-mudelite puhul aitab see tuvastada üldistamisprobleeme.

Näide: kui adversaarne valideerimine näitab, et erinevatest kogumitest pärit andmed on kergesti eristatavad, on soovitatav üle vaadata andmete jagamise strateegia või rakendada kohandamismeetodeid.