Cos'è la validazione avversaria e a cosa serve?

La validazione avversaria è un metodo per verificare quanto siano simili le distribuzioni dei set di dati di addestramento e di test. A tal fine, si crea un classificatore il cui compito è distinguere tra oggetti del set di addestramento e oggetti del set di test. Se il classificatore mostra un'alta precisione, significa che le distribuzioni sono molto diverse e il modello potrebbe avere difficoltà a generalizzare sui dati di test.

A cosa serve:

• Verificare se c'è un bias tra i set di addestramento e di test.
• Capire se il set di test scelto è appropriato.
• Nei compiti con dati tabulari e modelli di boosting, aiuta a individuare problemi di generalizzazione.

Esempio: se la validazione avversaria mostra che i dati di diversi set sono facilmente separabili, è consigliabile rivedere la strategia di suddivisione dei dati o applicare metodi di adattamento.