Definición
En un aprendizaje supervisado se tiene que validar la respuesta de nuestro modelo, por lo que tendremos que dividir nuestro set de datos en dos:
- Set de entrenamiento
- Set de testeo
El Set de entrenamiento lo usaremos para entrenar, mientras que el test set lo usamos para medir la performance de nuestro modelo, lo cual implica el uso de alguna métrica. Para esta es importante que tenga la misma distribución que en producción para no tener un Set desbalanceado.
Al separar el set de entrenamiento del de testeo, hay que tener en cuenta si hay variables temporales ya que su orden puede afectar la capacidad de predicción, en esos casos se ordena por esa variable y se hace la separación, en cualquier otro caso se puede hacer al azar.
En el momento de Tuning nos vemos obligados a tener otra set, separado de los otros. Este set lo llamaremos set de validación.