Ang cross-validation ay isang pamamaraang estadistikal na ginagamit upang suriin ang pagganap ng mga modelo sa pagkatuto ng makina. Nakatutulong sa pagtatantiya kung gaano kahusay na ginagawang pangkalahatan ang isang modelo sa hindi nakikitang datos.Ang wastong disenyo at kalkulasyon ay mahalaga upang makakuha ng maaasahang resulta at maiwasan ang labis na pag-aangkop o hindi angkop.

Mga Pangunahing Simulain ng Pag-aalsa ng Krus-Valid

Cross-validation ay kinasasangkutan ng paghahati ng datos sa mga subset, pagsasanay ng modelo sa ilang mga subset, at pagsubok nito sa iba. Ang prosesong ito ay nagbibigay ng pagtatantiya ng pagganap ng modelo sa bagong datos. Ang pinakakaraniwang pamamaraan ay k-fold cross-validation, kung saan ang datos ay nahahati sa mga bahaging k equal.

Mga Pag - aaral sa Disenyo

Mahalaga ang pagpili ng tamang parameter. Ang bilang ng mga tik (k) ay nagreresulta sa pagkiling at pagkakaiba. Ang mas mataas na k ay nakababawas sa pagkiling ngunit nagpapataas ng oras ng pagkalkula. karaniwang ang k ay nakatakda sa 5 o 10 para sa timbang na resulta.Ang pag-iinsek ng datos ay randomang binabagal bago ang paghihiwalay ay pumipigil sa pagkiling dahil sa data order.

Mga Pagkalkula Para sa Maaasahang mga Resulta

Ang pagkalkula sa katamtamang metric sa buong tiklop ay nagbibigay ng kabuuang tantiya. bukod dito, ang paglalapat ng pamantayang paglihis ay nagbibigay ng kabatiran sa pagiging maayos ng paggawa ng modelo.

  • Hatiin ang datos sa mga bahaging korporado
  • Tren sa mga bahagi ng k-1, pagsubok sa natitirang bahagi
  • Ulitin sa lahat ng bahagi ng k
  • Ang kalkulasyon ay nangangahulugan at ang karaniwang paglihis sa mga metriko sa pagsasagawa