Test Data

Test Data, daha büyük bir veri setinin, bir machine learning (ML) modelinin nihai performansını değerlendirmek için kesinlikle ayrılmış belirli bir alt kümesidir. Geliştirme döngüsünün en son aşamasına kadar, erken öğrenme aşamalarında kullanılan verilerin aksine, test verileri algoritma tarafından tamamen "görülmemiş" olarak kalır. Bu izolasyon, bir computer vision (CV) modelinin veya diğer yapay zeka sistemlerinin yeni, gerçek dünya girdilerine ne kadar iyi genelleme yapacağına dair tarafsız bir değerlendirme sağladığı için çok önemlidir. Bir üretim ortamını simüle eden test verileri, geliştiricilerin modellerinin eğitim örneklerini basitçe ezberlemek yerine altta yatan kalıpları gerçekten öğrendiğini doğrulamasına yardımcı olur.

ML Yaşam Döngüsünde Test Verisinin Rolü#

Standart machine learning workflow içinde veriler genellikle her biri benzersiz bir amaca hizmet eden üç farklı kategoriye ayrılır. Bu ayrımlar arasındaki farkı anlamak, güçlü artificial intelligence (AI) sistemleri oluşturmak için hayati önem taşır.

• Training Data: Bu, modeli eğitmek için kullanılan veri setinin en büyük kısmıdır. Algoritma, bu belirli örnek seti üzerindeki hataları en aza indirmek için dahili parametrelerini veya weights değerlerini yinelemeli olarak ayarlar.
• Validation Data: Bu alt küme, hyperparameters değerlerini ayarlamak ve mimari kararlara rehberlik etmek için eğitim sürecinde sıklıkla kullanılır. Bir modelin eğitim verilerinde iyi performans gösterip yeni verilerde başarısız olduğu overfitting durumunu önlemek için geçici bir kontrol işlevi görür.
• Test Data: Bu, model için son "sınavdır". Ağırlıkları güncellemek veya ayarları ince ayar yapmak için asla kullanılmaz. Test verileri üzerindeki değerlendirme, paydaşların bir modelin model deployment için hazır olup olmadığına karar vermek üzere kullandığı accuracy, recall ve Mean Average Precision (mAP) gibi kesin performans metrikleri üretir.

Bu bölünmelerin düzgün bir şekilde yönetilmesi, sıkı bir model evaluation süreci sağlamak için yüklenen veri setlerini bu temel kategorilerde otomatik olarak düzenleyebilen Ultralytics Platform gibi araçlar tarafından sıklıkla kolaylaştırılır.

Tarafsız Değerlendirmenin Önemi#

Test verilerinin birincil değeri, dataset bias ve varyans sorunlarını tespit etme yeteneğinde yatar. Bir model eğitim verilerinde %99 doğruluk elde eder ancak test verilerinde yalnızca %60 elde ederse, bu durum yüksek varyansa (aşırı öğrenmeye) işaret eder. Buna karşılık, her ikisinde de zayıf performans görülmesi yetersiz öğrenmeye (underfitting) işaret eder.

Belirlenmiş bir test seti kullanmak, reproducibility ve nesnellik bilimsel ilkelerine bağlı kalır. Kusursuz bir test seti olmadan geliştiriciler, değerlendirme aşamasındaki bilgileri eğitim aşamasına sızdırarak "teste göre öğretme" riskiyle karşı karşıya kalırlar; bu olgu data leakage olarak bilinir. Bu durum, model real-world data ile karşılaştığında çöken aşırı iyimser performans tahminleriyle sonuçlanır.

Gerçek Dünya Uygulamaları#

Test verisi, sistemler canlıya alınmadan önce güvenlik ve güvenilirliği sağlamak amacıyla yapay zeka kullanan tüm sektörlerde esastır.

• Autonomous Driving: autonomous vehicles geliştirilmesinde, eğitim verileri açık havada sürülen milyonlarca otoyol milinden oluşabilir. Ancak test verileri, aracın eğitim sırasında asla açıkça "görmediği" yoğun kar, ani engeller veya kafa karıştırıcı trafik işaretleri gibi nadir ve zorlu senaryoları içermelidir. Bu, object detection sisteminin öngörülemeyen ortamlarda güvenli bir şekilde tepki verebilmesini sağlar.
• Healthcare Diagnostics: tumor detection in medical imaging için bir model oluştururken, eğitim seti belirli bir hastanenin veritabanından gelebilir. Modelin genel kullanım için sağlam ve güvenli olduğunu doğrulamak için test verileri ideal olarak farklı hastanelerden alınan, farklı makinelerle çekilen ve çeşitli bir hasta demografisini temsil eden taramalardan oluşmalıdır. Bu harici doğrulama, yapay zekanın belirli bir ekipman türüne veya popülasyona karşı önyargılı olmadığını onaylar.

Performansı Kod ile Değerlendirme#

ultralytics paketini kullanarak bir modelin ayrılmış bir veri seti üzerindeki performansını kolayca değerlendirebilirsiniz. val modu genellikle eğitim sırasında doğrulama için kullanılsa da, dataset YAML configuration içinde tanımlanan belirli bir test bölümünde çalışacak şekilde de yapılandırılabilir.

mAP50-95 gibi metrikler elde etmek için önceden eğitilmiş bir YOLO26 modelinin nasıl değerlendirileceği aşağıda açıklanmıştır:

from ultralytics import YOLO

# Load a pre-trained YOLO26 model
model = YOLO("yolo26n.pt")

# Evaluate the model's performance on the validation set
# (Note: In a strict testing workflow, you would point 'data'
# to a YAML that defines a specific 'test' split and use split='test')
metrics = model.val(data="coco8.yaml")

# Print a specific metric, e.g., mAP at 50-95% IoU
print(f"Mean Average Precision (mAP50-95): {metrics.box.map}")

Bu süreç, geliştiricilerin YOLO26 vs YOLO11 gibi farklı mimarileri nesnel olarak karşılaştırmasına ve seçilen çözümün projenin defined goals gereksinimlerini karşılamasını sağlamasına olanak tanıyan kapsamlı metrikler üretir. Sıkı test, yüksek kaliteli AI safety standartlarının karşılanmasını sağlayan son kontrol adımıdır.