Qu'est-ce que la validation adversariale et à quoi sert-elle?

La validation adversaire est une méthode pour vérifier à quel point les distributions des échantillons d'entraînement et de test sont similaires. Pour cela, on crée un classificateur dont la tâche est de distinguer les objets de l'échantillon d'entraînement de ceux de l'échantillon de test. Si le classificateur affiche une haute précision, cela signifie que les distributions diffèrent fortement, et le modèle pourrait mal généraliser sur les données de test.

À quoi cela sert-il ?

• Vérifier s'il y a un biais entre les échantillons d'entraînement et de test.
• Comprendre si l'échantillon de test choisi est approprié.
• Dans les tâches avec des données tabulaires et des modèles de boosting, cela aide à détecter des problèmes de généralisation.

Exemple : si la validation adversaire montre que les données de différents échantillons sont facilement séparables, il est conseillé de revoir la stratégie de partition des données ou d'appliquer des méthodes d'adaptation.