การข้ามผ่านระบบการข้าม (Colution) เป็นวิธีการทางสถิติที่ใช้ประเมินประสิทธิภาพของโมเดลการเรียนรู้ของเครื่อง มันช่วยในการประเมินว่าแบบจําลองทั่วไปนั้น มีประสิทธิภาพแค่ไหนต่อข้อมูลที่มองไม่เห็น การออกแบบและการคํานวณที่เหมาะสมนั้นจําเป็นยิ่งในการหาผลลัพธ์ที่เชื่อถือได้ และหลีกเลี่ยงการทําให้เสียความเข้มงวดหรือต่ํากว่าการบีบตัว
หลัก การ พื้น ฐาน ใน การ แยกแยะ
การจัดองค์ประกอบของข้อมูลต่าง ๆ จะเกี่ยวกับการจัดองค์ประกอบต่าง ๆ ในสับเซต, ฝึกโมเดลบนสับเซตบางอัน, และทดสอบมันกับตัวอื่น ๆ กระบวนการนี้จะให้ค่าประมาณของผลงานของโมเดลกับข้อมูลใหม่ วิธีที่ใช้บ่อยที่สุดคือ การแยก k- parts- scossation ซึ่งข้อมูลจะถูกแบ่งออกเป็นส่วนที่เท่ากันกับ k
ออกแบบมุมมอง
การเลือกพารามิเตอร์ขวานั้นสําคัญมาก จํานวนการพับ (k) ผลกระทบและความแปรปรวน ค่า k ที่สูงกว่านั้น จะลดอคติ แต่จะเพิ่มเวลาคํานวณขึ้น ค่า k จะตั้งค่าเป็น 5 หรือ 10 สําหรับผลสมดุล การปรับเปลี่ยนข้อมูลจะถูกสลับไปมาก่อนที่จะแยกส่วนอคติออกจากค่า
การ คํานวณ ผล ที่ น่า เชื่อ ถือ
การคํานวณค่าเมทริกเฉลี่ยตลอดการพับทั้งหมด จะทําให้เกิดการประเมินค่าโดยรวม นอกจากนี้ การคํานวณค่าเบี่ยงเบนมาตรฐาน ก็ช่วยเพิ่มความคมชัดของความแปรผันของประสิทธิภาพของแบบจําลองได้อีกด้วย นี่จะช่วยในความเข้าใจเสถียรภาพของแบบจําลอง
- แบ่งข้อมูลออกเป็นส่วนเท่ากับ k
- ฝึกใน k-1 ส่วนทดสอบส่วนที่เหลือ
- ทําซ้ําสําหรับ k parts ทั้งหมด
- คํานวณค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐานของตัววัดประสิทธิภาพ