שלב אחר צעד קלקולציה של טעות הצלב בדגם Tuning

Cross-validation היא טכניקה המשמשת כדי להעריך את הביצועים של מודל למידת מכונה.זה עוזר בכוונון פרמטרים במודל על ידי הערכת כמה טוב המודל יבצע על נתונים בלתי נראים.התהליך כרוך חלוקת הנתונים לחלקים מרובים, להכשיר את המודל על חלקים מסוימים, ובדיקה על אחרים. מאמר זה מסביר את חישוב שלב השלבים של טעות cross-idation במהלך מודל הכוונון.

שלב 1: חלוקת נתונים

הנתונים מחולקים לחלקים שווים של 'k', הנקראים אפשרויות לקפל. Common עבור 'k' הם 5 או 10. כל קפל פועל כהגדרת אימות פעם, בעוד הנותרים מתקפלים טופס את מערכת האימונים.תהליך זה מבטיח כי כל נקודת נתונים משמשת עבור הכשרה ואימות.

שלב 2: אימון מודל ואימות

עבור כל קפפל, המודל מאומנים על ה"ק-1" הנותרים.זה מאומת על התקפל הנוכחי.הטעות מחושבת על סמך התחזיות של המודל בהשוואה לערכים בפועל בפלפלפלציה.

שלב 3: טעות קלקול

השגיאות מכל קפל נרשמות.מדרי שגיאות נפוצות כוללים טעות מרובעת (MSE) או טעות מוחלטת (MAE) טעות הקרוסלה היא הממוצע של שגיאות אלה על פני כל קפולות, מתן הערכה של ביצועי המודל.

שלב 4: טעות סופית

השגיאה הממוצעת המתקבלת מתהליך הקרוסלה משמשת כהערכה של האופן שבו המודל יבצע נתונים חדשים ולא נראים.ערך זה מנחה את בחירת הפרמטרים האופטימליים של המודל במהלך הכוונון.