باختصار
Holdout Data (بيانات الاحتجاز) أمثلة بنستبعدها عن قصد ومش بنستخدمها في التدريب، عشان نختبر بيها النموذج بعدين.
بالتفصيل
حسب مسرد Google، أشهر نوعين من بيانات الاحتجاز:
- Validation Set (مجموعة التحقّق): بنستخدمها أثناء التطوير عشان نختار الإعدادات ونقارن التجارب.
- Test Set (مجموعة الاختبار): بنستخدمها في الآخر عشان نقيس الأداء النهائي.
الفكرة إن بيانات الاحتجاز بتقيس قدرة النموذج على Generalization (التعميم)، يعني إنه يشتغل كويس على بيانات غير اللي اتدرّب عليها. والمسرد بيقول إن الخسارة على بيانات الاحتجاز بتدّي تقدير أفضل للخسارة على بيانات جديدة، مقارنةً بالخسارة على بيانات التدريب.
ليه؟ لأن النموذج ممكن يحفظ بيانات التدريب. فأداؤه عليها بيبان أحسن من الحقيقة، زي طالب حافظ إجابات امتحان السنة اللي فاتت.
مثال عملي
عندك 10 آلاف صورة أشعّة عايز تدرّب عليهم نموذج. تقسيمة شائعة: جزء كبير للتدريب، وجزء للتحقّق، وجزء للاختبار ما تلمسوش لحدّ الآخر.
الغلطة اللي لازم تتجنّبها: تفضل تعدّل في النموذج وتبصّ على نتيجة مجموعة الاختبار كل مرّة. هنا إنت عمليًا بقيت «بتدرّب» عليها بشكل غير مباشر، وفقدت قيمتها كبيانات محتجزة. عشان كده مجموعة التحقّق موجودة: هي اللي تجرّب عليها، والاختبار للآخر.
مصطلحات مرتبطة
- Validation Set — مجموعة التحقّق.
- Test Set — مجموعة الاختبار.
- Overfitting — فرط التخصيص.
- Test Leakage — تسرّب بيانات الاختبار.
المصادر: Google ML Glossary
