Nó giúp hiệu chỉnh các tham số mô hình bằng cách ước lượng các mô hình tốt như thế nào các mô hình sẽ thực hiện trên dữ liệu vô hình. quá trình bao gồm chia dữ liệu thành nhiều phần, đào tạo mô hình trên một số phần, và thử nghiệm nó trên các phần khác. bài báo này giải thích tính toán từng bước một của lỗi điều chỉnh chéo.

Bước 1: Phân vùng dữ liệu

Bộ dữ liệu được chia thành « k » các bộ phận bằng nhau. Các lựa chọn chung cho « k » là 5 hoặc 10. Mỗi gấp hoạt động như là một lần hợp lệ, trong khi các nếp còn lại tạo thành tập huấn. Quá trình này đảm bảo rằng mỗi điểm dữ liệu được dùng cho cả đào tạo lẫn hợp lệ.

Bước 2: Dạy dỗ và thẩm tra

Đối với mỗi gấp, mô hình được đào tạo trên các nếp "k-1" còn lại. Nó được xác nhận trên các gấp hiện thời. Lỗi được tính dựa trên các dự đoán của mô hình so với các giá trị thực trong các gấp hợp lệ. Bước này lặp lại cho mọi nếp.

Bước 3: Tính lỗi

Các lỗi từ mỗi gấp được ghi lại. Số lỗi chung bao gồm có nghĩa là lỗi bình phương (MSE) hoặc có nghĩa là lỗi tuyệt đối (MAE). Lỗi co dãn chéo là trung bình của những lỗi này trên tất cả các nếp, cung cấp một ước tính của hiệu suất mô hình.

Dự đoán lỗi cuối cùng

Lỗi trung bình thu được từ tiến trình định vị được dùng làm ước tính mô hình sẽ thực hiện như thế nào trên dữ liệu mới, không nhìn thấy. Giá trị này hướng dẫn sự lựa chọn tham số của mô hình tối ưu trong khi điều chỉnh.