Tính chéo là một phương pháp thống kê được dùng để đánh giá hiệu suất của mô hình học máy, nó giúp đánh giá một mô hình tổng quát như thế nào để làm cho dữ liệu không nhìn thấy được giảm nguy cơ tăng phù hợp.

Hiểu thấu

Việc thay đổi kích thước bao gồm việc phân chia dữ liệu thành nhiều tập con. Mô hình được đào tạo trên một số tập hợp con và thử nghiệm trên những tập tin khác. Quá trình này lặp lại nhiều lần để đảm bảo hiệu suất của mô hình là nhất quán qua các phân tách dữ liệu khác nhau.

Công nghệ xuyên lục địa phổ biến

Một vài kỹ thuật được sử dụng để thực hiện sự va chạm chéo, mỗi phương pháp phù hợp với các kịch bản khác nhau:

  • [Fold Cross-Validation: chia dữ liệu thành 'k', đào tạo trên phần k-1 và thử nghiệm trên phần còn lại. Quá trình này lặp lại k lần.
  • Đã được mã hóa K-Fold: tương tự K-Fold nhưng vẫn duy trì phân phối lớp qua các nếp, hữu ích cho bộ dữ liệu bị mất cân bằng.
  • Để lại một-O-O-O-O: sử dụng một điểm dữ liệu để kiểm tra và phần còn lại để đào tạo, lặp lại cho mỗi điểm dữ liệu.

Những thực hành tốt nhất để làm vui lòng

Để tối đa hóa lợi ích của việc thay đổi thần quyền, hãy xem xét những cách tốt nhất sau:

  • Chọn một giá trị thích hợp của « k » dựa trên kích cỡ bộ dữ liệu.
  • Xác nhận dữ liệu trước khi tách ra để giảm sự thiên vị.
  • Dùng phương pháp được lập trình để phân loại các vấn đề với các lớp học bị mất cân bằng.
  • Kết hợp sự va chạm với quá trình điều chỉnh siêu máy tính để có kết quả tối ưu.