Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Validatie Data

Engels: Validation set · Ook wel: validatieset, validatiedata, validation set, validation data, validation dataset, development set

In het kort

Een validatieset is een aparte verzameling gegevens voor de tussentijdse controle van een model tijdens de training. Het model leert patronen uit de trainingsset en gebruikt de validatieset alleen voor een meting van de prestaties op nieuwe voorbeelden. Ontwikkelaars vergelijken zo verschillende instellingen, zien of het model te sterk op de trainingsgegevens is afgestemd, en kiezen daarna de variant voor een laatste test.

Waarom is dit belangrijk?

Dankzij een validatieset kunnen teams een model tijdig bijsturen, zodat fouten niet pas opvallen wanneer het systeem al beslissingen in de praktijk ondersteunt. In de zorg toetsen onderzoekers hiermee modellen die de kans op een uitkomst voor een patiënt schatten. Voor patiënten en zorgverleners blijft een hoge score op deze gegevens onvoldoende, omdat die score geen beoordeling in de echte zorg vervangt.

Zo werkt het in de praktijk

Bij neurale netwerken stellen teams met een validatieset de opbouw bij, zoals het aantal verborgen eenheden. De bibliotheek scikit-learn meet daarmee de instelling C van een supportvectormachine. De testset blijft zo onaangeroerd.

Bij inverse inference, een taak met zeer weinig metingen, kan één vaste splitsing te krap zijn. Er blijven weinig gegevens over om te leren, en het toeval weegt zwaar. Kruisvalidatie laat elk deel van de trainingsgegevens om de beurt als validatieset dienen.

De hold-outmethode houdt een validatieset apart tijdens het trainen. Bij vroeg stoppen (early stopping) eindigt het trainen zodra de fout op die set stijgt. Kruisvalidatie verdeelt de gegevens herhaald in wisselende delen.

Bron: dewereldvanai.nl

Gecontroleerd op 5 november 2026