lestori-validasi adalah metode statistik yang digunakan untuk mengevaluasi kinerja model pembelajaran mesin. Ini membantu dalam menilai seberapa baik model memandikan ke data yang tidak terlihat. Desain dan perhitungan yang tepat sangat penting untuk memperoleh hasil yang dapat diandalkan dan menghindari overfitting atau underfitting.

Prinsip Dasar Prinsip Dasar Silang-Validasi

Evaluasi silang-asing melibatkan partisi data ke dalam subset, pelatihan model pada beberapa subset, dan pengujiannya pada yang lain. proses ini memberikan perkiraan kinerja model pada data baru. Metode yang paling umum adalah k-fold cross-validation, di mana data dibagi menjadi k qual parts.

Pertimbangan Desain

A k mengurangi bias tetapi meningkatkan waktu perhitungan. Biasanya, k ditetapkan ke 5 atau 10 untuk hasil yang seimbang. Memastikan data secara acak dikocok sebelum membelah mencegah bias karena urutan data.

Penghitungan Hasil yang Dapat Diandalkan

Menghitung rata-rata metrik kinerja di seluruh lipatan memberikan perkiraan keseluruhan. ini membantu dalam memahami stabilitas model.

  • Membagi data menjadi k sama dengan bagian
  • Kereta api pada bagian k-1, uji pada bagian yang tersisa
  • Ulang untuk semua bagian k
  • Menghitung mean dan standar penyimpangan dari metrik kinerja