training data set

training data set (tsz. training data sets)

1. (informatika) A training data set, magyarul tanító adathalmaz vagy tanítóadat-készlet, a gépi tanulás (machine learning) és a mesterséges intelligencia (AI) egyik legfontosabb fogalma. Ez az az adathalmaz, amelyet egy algoritmus felhasznál az ismeretek elsajátítására, azaz a modell megtanítására. A tanító adatok alapján a rendszer megtanulja felismerni az összefüggéseket, mintákat, szabályokat, amelyeket később ismeretlen adatokkal is alkalmazni tud.

A tanítóadat egy olyan strukturált adatcsomag, amely példákon keresztül mutatja meg a modellnek, hogy hogyan néz ki a megoldandó probléma. Minden példa tartalmaz:

• Bemeneti jellemzőket (input features),
• és sokszor kimeneti címkét (label), amit a modellnek meg kell tanulnia.

A bemenet: magasság, súly A címke (label): nem → a modell célja: megtanulni megjósolni a nemet új emberek esetén.

• Minták megtanítása: a modell statisztikai kapcsolatokat keres a jellemzők és a kimenetek között.
• Általánosítás megtanulása: cél, hogy ne csak az ismert adatokon teljesítsen jól, hanem új példákon is.
• Kimenetbecslés: pl. osztályozás, regresszió, döntéshozatal.

• Numerikus (pl. kor, súly)
• Kategóriás (pl. ország, szín)
• Szöveges (pl. e-mailek, vélemények)

• Osztályozás (pl. kutya / macska)
• Számérték (pl. ház árának becslése)

• Forrás, időbélyeg, szenzor, stb.

1. Adattisztítás
   • Hiányzó értékek kezelése
   • Zaj eltávolítása
2. Skálázás, normalizálás
   • Mértékegységek egységesítése
3. Kódolás
   • Kategóriás változók numerikussá alakítása (pl. one-hot encoding)
4. Jellemzők kiválasztása
   • Fontos inputok megtartása, irrelevánsak eltávolítása
5. Adatok szétosztása
   • Tanító adathalmaz (training set) – modell tanítása
   • Tesztadat (test set) – a modell ellenőrzése
   • Érvényesítő halmaz (validation set) – paraméterhangolás

• 80–20: 80% tanító, 20% teszt
• 70–15–15: tanító–validációs–teszt
• Ezek nem kőbe vésett szabályok, de segítenek az általánosítás értékelésében.

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

# Bemenet (X) és címke (y)
X = , , ]
y = 

# Adatok szétosztása
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33)

# Modell tanítása
model = LogisticRegression()
model.fit(X_train, y_train)

# Előrejelzés tesztadatra
print(model.predict(X_test))

A tanító adathalmaz az egyik legfontosabb elem a gépi tanulás során. Ez határozza meg, mit tanul meg a modell, hogyan általánosít, és mennyire lesz megbízható. Még a legfejlettebb algoritmus is rossz tanítóadattal gyengén fog teljesíteni, ezért a tanító adatok minősége, mennyisége és reprezentativitása kulcsfontosságú.

• training data set - Szótár.net (en-hu)
• training data set - Sztaki (en-hu)
• training data set - Merriam–Webster
• training data set - Cambridge
• training data set - WordNet
• training data set - Яндекс (en-ru)
• training data set - Google (en-hu)
• training data set - Wikidata
• training data set - Wikipédia (angol)