Подготовленный специалистами набор пар параметров (вход-выход) для нейронной сети называется обучающей выборкой. Давайте подробнее разберем, что это означает и как это работает.

Обучающая выборка состоит из множества примеров, каждый из которых включает в себя:

• Входные параметры – это данные, которые подаются на вход нейронной сети. Например, это могут быть изображения, текстовые данные, числовые значения и т.д.
• Выходные параметры – это ожидаемые результаты, которые нейронная сеть должна предсказать на основе входных данных. Например, для изображения это может быть класс объекта, изображенного на картинке.

Процесс подготовки обучающей выборки включает в себя несколько шагов:

1. Сбор данных – необходимо собрать достаточное количество примеров, которые будут использоваться для обучения модели.
2. Предобработка данных – данные могут требовать очистки, нормализации или преобразования, чтобы они были пригодны для обучения.
3. Разделение данных – часто данные делят на обучающую, валидационную и тестовую выборки, чтобы проверить качество работы модели и избежать переобучения.

Таким образом, обучающая выборка играет ключевую роль в процессе обучения нейронной сети, так как именно на ее основе модель учится делать предсказания.