O que é validação adversarial e para que serve?

A validação adversarial é um método para verificar o quão semelhantes são as distribuições dos conjuntos de treino e teste. Para isso, é criado um classificador cuja tarefa é distinguir objetos do conjunto de treino dos objetos do conjunto de teste. Se o classificador mostrar alta precisão, isso significa que as distribuições diferem bastante, e o modelo pode ter dificuldades em generalizar para os dados de teste.

Para que serve isso:

• Verificar se há viés entre os conjuntos de treino e teste.
• Entender se o conjunto de teste selecionado é adequado.
• Em tarefas com dados tabulares e modelos de boosting, ajuda a identificar problemas de generalização.

Exemplo: se a validação adversarial mostra que os dados de diferentes conjuntos podem ser facilmente separados, é aconselhável revisar a estratégia de divisão de dados ou aplicar métodos de adaptação.