Preskoči na glavni sadržaj
🔒 Način pregleda. Prvih petnaest Foundations lekcija je besplatno; ova je Pro. Pokrenite 7-dnevni trial da otključate editor, AI savjete i ostatak programa. Kartica obavezna, otkažite bilo kada u Dashboard.
Pokreni 7-dnevni trial →
⚡
← Kolegiji
›
Interview Prep
›
Modul 6 · Konkurentnost, OS, Teme intervjua za ML
›
ML: disciplina train/val/test split
quiz
93 / 104
🇭🇷
HR
▼
↗
Podijeli
⋯
Više
+100 XP
📋
Zadatak
📖
Teorija
🤖
AI Pomoć
Zadatak
📝 **Pitanje:** Zašto poseban set za provjeru valjanosti? 📋 Odaberite pravi odgovor. 💡 **Savjet:** Ponovno pročitajte gornju teoriju ako niste sigurni.
🎯 Kviz
Pitanje
📝 **Pitanje:** Zašto poseban set za provjeru valjanosti? 📋 Odaberite pravi odgovor. 💡 **Savjet:** Ponovno pročitajte gornju teoriju ako niste sigurni.
A
More splits give you more data — three splits triples your effective dataset size and stabilises the metrics.
B
Validation tunes hyperparameters; test gives honest final score never touched during dev.
C
Same as the test set — sklearn's `train_test_split` is the canonical pattern and validation is just naming.
D
Doesn't really matter — k-fold cross-validation on the train set already gives an unbiased estimate of generalisation.
Odgovori
💬 Rasprava
Budi prvi — postavi pitanje ili podijeli savjet.
Prijavi se
kako bi se pridružio raspravi. Čitanje je besplatno.
Učitavanje rasprave…