Для обучения нейронной сети используется набор данных, который в машинном обучении и искусственном интеллекте называется обучающей выборкой. Обучающая выборка представляет собой набор примеров, на которых нейронная сеть будет обучаться и извлекать закономерности. В обучающей выборке содержатся входные данные (признаки) и соответствующие им целевые значения (метки).
Обучающая выборка является ключевым компонентом процесса обучения нейронной сети и влияет на ее качество и способность к обобщению. Поэтому важно тщательно подготавливать набор данных, чтобы обеспечить эффективное обучение модели.
Для успешного обучения нейронной сети необходимо выбирать разнообразные и репрезентативные данные, которые позволят модели изучить широкий спектр случаев и сделать верные прогнозы на новых данных. При подготовке обучающей выборки также важно провести предварительный анализ данных, выполнить процессы нормализации и стандартизации признаков, а также учесть возможность наличия дисбаланса классов в данных.
Таким образом, правильный выбор и подготовка обучающей выборки играют ключевую роль в обучении нейронных сетей и определяют успешность работы модели на новых данных.