วิธีทําให้การข้ามเวลาอย่างราบรื่น สําหรับการเรียนรู้แบบพิเศษ

การข้ามผ่านระบบการประมวลผลเป็นเทคนิคที่ใช้ประเมินประสิทธิภาพของโมเดลการเรียนรู้ ดู แลมันช่วยตรวจสอบว่าแบบจําลองทั่วไปนั้น จะช่วยขยายข้อมูลที่มองไม่เห็นได้โดยการจัดแยกข้อมูลต่าง ๆ เป็นสับเซตหลายอันสําหรับการฝึกอบรมและการทดสอบ การชดเชยการข้ามมิตินั้น ๆ จะสามารถปรับปรุงความน่าเชื่อถือของการประเมินรุ่นได้

การแก้ไขภาพไขว้

การเรียงกลุ่ม (ค.ศ.

ชนิดของการข้ามเส้น

ชนิด ที่ พบ มาก ที่ สุด รวม ถึง:

• [FLT: 0]. k-Fold ครอส-วาลิเดชัน: แบ่งข้อมูลเป็น ksselected parts, ฝึกเมื่อ k-1 ส่วน และทดสอบส่วนที่เหลือ.
• [FLT: 0]. สืบค้นเมื่อ k-Fold:[[FLT: 1) เพื่อให้แน่ใจว่าแต่ละแถวยังคงรักษาการจําหน่ายคลาสของข้อมูลทั้งชุด.
• [FLT: 0] ถอนตัว 1 out (LOO): ใช้จุดข้อมูลเดียวสําหรับทดสอบ และที่เหลือสําหรับการฝึกซ้ําซ้ําอีกครั้งสําหรับแต่ละจุดข้อมูล

การ ทํา ให้ การ ทํา งาน ผ่าน ไป ของ ผู้ ป่วย ดี ขึ้น

ไลบรารีการเรียนรู้ของเครื่องส่วนใหญ่จะให้ฟังก์ชันที่ถูกสร้างสําหรับการแปลงภาพแบบไขว้ ตัวอย่างเช่น ในภาษาไพธอนของ Sciet-chool ฟังก์ชัน [FLT: 0] ทําการลดรูปกระบวนการได้ คุณจําเป็นต้องระบุรุ่น, ข้อมูลชุด และจํานวนของพับ

ชิ้นส่วนรหัสตัวอย่าง:

[FLT: 0] จาก Skread.model sul defect script cross sroup

[FLT: 0] คะแนน = cross val scor (model, X, y, cv=5)

รหัสนี้ทําหน้าที่การตัดขวาง 5 ทวีคูณ และส่งกลับคะแนนสําหรับแต่ละพับ