크로스 유효성 검사는 기계 학습 모델의 성능을 평가하는 데 사용되는 기술입니다. 그것은 잘 모델이 unseen 데이터에 수행 할 수있는 방법을 평가함으로써 모델 매개 변수를 조정하는 데 도움이됩니다. 이 과정은 여러 부품으로 데이터 세트를 분할하고 다른 부분에 모델을 훈련합니다. 이 문서는 모델 튜닝 동안 크로스 유효성 검사의 단계별 계산을 설명합니다.

단계 1: 자료 분할

데이터 세트는 'k'동등 부품으로 나뉩니다. 'k'의 일반적인 선택은 5 또는 10입니다. 각 접은 유효 설정으로 한 번 작동하며 나머지 접은 훈련 세트를 형성합니다. 이 과정은 모든 데이터 포인트가 훈련 및 검증에 사용됩니다.

2 단계 : 모델 교육 및 검증

각 접을 위해 모델은 나머지 'k-1' 접을 훈련. 그것은 다음 현재 접을 검증됩니다. 오류는 검증 접의 실제 값과 비교하여 모델의 예측을 기준으로 계산됩니다. 이 단계는 모든 접을 반복합니다.

단계 3: 오류 계산

각 접의 오류가 기록됩니다. 일반적인 오류 메트릭은 정사각형 오류 (MSE) 또는 절대 오류 (MAE)를 의미합니다. 크로스 유효 오류는 모델의 성능의 견적을 제공하는 모든 접의 걸쳐 이러한 오류의 평균입니다.

4 단계 : 최종 오류 추정

크로스 유효성 검사에서 얻어지는 평균 오류는 모델이 새로운 데이터에 어떻게 수행되는지 예측하는 것과 동일합니다. 이 값은 튜닝 중에 최적의 모델 매개 변수를 선택하여 보여줍니다.