#فصل_چهارم
#آموزش_قدم‌به‌قدم_هوش_مصنوعی

🧪📊 قسمت 8: داده‌های آموزشی و آزمایشی چه تفاوتی دارند؟

تا اینجا فهمیدیم که مدل یادگیری ماشین با استفاده از داده‌ها یاد می‌گیرد.

اما یک سؤال مهم وجود دارد:

❓ از کجا بفهمیم مدل واقعاً یاد گرفته است؟

🤔 اگر تمام داده‌ها را برای آموزش به مدل بدهیم، دیگر نمی‌توانیم به‌درستی بررسی کنیم که آیا مدل توانایی پیش‌بینی داده‌های جدید را دارد یا نه.

به همین دلیل، دیتاست را معمولاً به دو بخش تقسیم می‌کنیم:

📚 1️⃣ داده‌های آموزشی (Training Data)

این بخش برای آموزش مدل استفاده می‌شود.

مدل با بررسی این داده‌ها، الگوها و روابط بین Featureها و Labelها را یاد می‌گیرد 🤖

🧪 2️⃣ داده‌های آزمایشی (Test Data)

این داده‌ها هنگام آموزش مدل استفاده نمی‌شوند.

بعد از آموزش، داده‌های آزمایشی را به مدل می‌دهیم تا ببینیم چقدر خوب می‌تواند نتیجه را پیش‌بینی کند 📊

📌 یک مثال ساده:

فرض کنید ۱۰۰۰ نمونه داده داریم:

📚 ۸۰۰ نمونه → آموزش مدل
🧪 ۲۰۰ نمونه → آزمایش مدل

مدل با ۸۰۰ نمونه یاد می‌گیرد و سپس با ۲۰۰ نمونه جدید امتحان می‌شود.

🎯 درست مثل مدرسه:

📖 تمرین‌ها = داده‌های آموزشی
📝 امتحان = داده‌های آزمایشی

اگر مدل فقط جواب تمرین‌ها را حفظ کرده باشد، در امتحان جدید عملکرد خوبی نخواهد داشت 😅

💡 هدف اصلی این است که مدل بتواند داده‌های جدیدی را که قبلاً ندیده است هم به‌درستی پیش‌بینی کند.

👀 قسمت بعدی:
«آموزش مدل با داده‌ها چگونه انجام می‌شود؟ 🤖📚»

❤️ اگر این آموزش برات مفید بود، بعد از مطالعه یک ری‌اکشن برامون بذار.

📖 آموزش هوش مصنوعی
➖➖➖➖➖
🆔 : @StudentAI