Cross-validation היא שיטה סטטיסטית המשמשת להערכת הביצועים של דגמי למידת מכונה.זה עוזר להעריך כמה מודל מתאים לנתונים לא נראים, צמצום הסיכון של התאמה יתר. יישום טכניקות הגשמה נאותה הוא חיוני לבניית מודלים אמינים וחזקים.

מה זה Cross-Validation?

הגשמה כוללת חלוקת הנתונים לתוך תת-קרקעית מרובות, להכשיר את המודל על חלק מהתחכים הללו, ובדיקתו על אחרים.תהליך זה מספק הערכה מדויקת יותר של ביצועי המודל בהשוואה לפיצול יחיד של רכבת.

שיטות הצלב-ההגנה

  • (FLT:0K-Fold Cross-Validation:03) 1 מחלק את הנתונים לחלקים שווים של "k", אימון על חלקים K-1 ובדיקה על החלק השני.
  • (ב) ,0) ,Fold: K-Fold: ⁇ 1 דומה ל-K-Fold, אך שומר על חלוקת המעמדות בכל קפל, שימושית במאגרי נתונים חסרי איזון.
  • (FLT:0) Leave-One-Out Cross-Validation (LOOCV): veFLT:1 משתמשת בנקודת נתונים אחת לבדיקה והיתר לאימון, חוזרת על עצמה לכל נקודת נתונים.

היתרונות של Cross-Validation

באמצעות גלגול cross-validation מספק הערכה אמינה יותר של ביצועי מודל, עוזר בכוונון היפרפרפרמטר, ומפחית את הסבירות של overfitting.It מבטיח כי המודל מבצע היטב על פני תת-תחומי נתונים שונים.