Зачем нужна кросс-валидация вместо одного разбиения train/test?
Classic MLУровень: БазаClassical machine learning
Зачем нужна кросс-валидация вместо одного разбиения train/test?
Подсказки
- Определите, какие наблюдения должны оставаться независимыми при проверке.
- Сравните случайное, групповое и временное разбиения. Где подбираются гиперпараметры?
Ответ
Модель несколько раз обучают на K−1 частях и проверяют на оставшейся, затем усредняют результат. Это уменьшает зависимость оценки от удачного или неудачного разбиения. При дисбалансе используют стратифицированные фолды; для временных данных — схему, не допускающую обучения на будущем.
Источник и лицензия: Ishan Dutta — Awesome Data Science Interview Q&A · MIT · перевод: Quantoros