ويعد التكافل طريقة إحصائية تستخدم لتقييم أداء نماذج التعلم الآلاتي، ويساعد في تقييم مدى تعميم نموذج على مجموعة بيانات مستقلة، ويكفل التنفيذ السليم للقابلية للتداول تقييما واختيارا نموذجيين موثوقين بهما.

فهم الخلاصات

ويشمل التكتم عبر الحدود تقسيم البيانات إلى مجموعات فرعية، وتدريب النموذج على بعض هذه الإعانات، واختبارها على مجموعات أخرى، وتكرار هذه العملية مرات عديدة للحصول على متوسط قياس الأداء، وأكثر الطرق شيوعا هي التداخل بين الكم، حيث تنقسم البيانات إلى أجزاء متساوية.

الحسابات في عمليات التوثيق عبر الحدود

وفي السحب المعبر من الكيلومترات، تُتخذ الخطوات التالية:

  • اقسم البيانات الى كى
  • وبالنسبة لكل تواريخ، تختار جزءاً واحداً كمجموعة اختبار وباقي أجزاء الكم-1 كمجموعة تدريب.
  • تدريب النموذج على مجموعة التدريب وتقييمه على مجموعة الاختبارات
  • سجل قياس الأداء، مثل الدقة أو الخطأ المربع.
  • أكرر حتى تستخدم جميع الأجزاء كمجموعة اختبار

الأداء العام يحسب بحساب متوسط القياسات التي يتم الحصول عليها في كل مرة، هذا يوفر تقديراً أقوى لفعالية النموذج.

أفضل الممارسات للتغذية عبر الحدود

ولكفالة إجراء تقييم دقيق، ينبغي النظر في أفضل الممارسات هذه:

  • (ب) اختيار قيمة ملائمة من (ك) مثل 5 أو 10، تبعاً لحجم مجموعة البيانات.
  • ضمان تضييق البيانات قبل التقسيم لمنع التحيز.
  • استخدام نظام متداخل البيانات المميزة للحفاظ على توزيع الفصول.
  • التحلل المختلط للكمبيوتر مع التقاط الكم فوق المقياس من أجل تحقيق النتائج المثلى
  • توخي الحذر من تسرب البيانات من خلال منع المعلومات من التسرب بين التدريب ومجموعات الاختبار.