Dlaczego wymagana jest weryfikacja krzyżowa?
Dlaczego wymagana jest weryfikacja krzyżowa?
Anonim

Walidacja krzyżowa jest bardzo przydatną techniką oceny skuteczności Twojego modelu, szczególnie w przypadkach, w których konieczne jest złagodzenie nadmiernego dopasowania. Przydaje się również do określania hiperparametrów modelu, w tym sensie, które parametry spowodują najmniejszy błąd testowy.

Biorąc to pod uwagę, czy walidacja krzyżowa jest zawsze lepsza?

Walidacja krzyżowa jest zwykle bardzo dobrym sposobem pomiaru dokładnej wydajności. Chociaż nie zapobiega to nadmiernemu dopasowaniu modelu, nadal mierzy rzeczywistą szacunkową wydajność. Jeśli Twój model przesadzi Cię, spowoduje to gorsze pomiary wydajności. Spowodowało to pogorszenie walidacja krzyżowa wydajność.

Poza powyższym, dlaczego potrzebujemy zestawu walidacyjnego? Zestaw walidacyjny faktycznie można uznać za część szkolenia ustawić , ponieważ służy do budowania modelu, sieci neuronowych lub innych. Jest zwykle używany do doboru parametrów i uniknięcia nadmiernego dopasowania. Zestaw walidacyjny służy do strojenia parametrów modelu. Zestaw testowy służy do oceny wydajności.

Następnie można zapytać, co oznacza walidacja krzyżowa?

Krzyż - walidacja jest technika stosowana do oceny, w jaki sposób wyniki analizy statystycznej uogólniają się na niezależny zbiór danych. Krzyż - walidacja jest szeroko stosowany w ustawieniach, w których celem jest predykcja i konieczne jest oszacowanie dokładności działania modelu predykcyjnego.

Jak wybrać liczbę fałd w walidacji krzyżowej?

ten liczba fałd jest zwykle określana przez numer instancji zawartych w Twoim zbiorze danych. Na przykład, jeśli masz 10 wystąpień w swoich danych, 10- złóż krzyż - walidacja nie miałoby sensu.

Zalecana: