К содержанию
Quantoros

Как выбрать K для K-fold кросс-валидации?

Classic MLУровень: БазаValidation

Как выбрать K для K-fold кросс-валидации?

Подсказки
  • Определите, какие наблюдения должны оставаться независимыми при проверке.
  • Сравните случайное, групповое и временное разбиения. Где подбираются гиперпараметры?

Ответ

Нужно учитывать число переобучений модели и размер каждой валидационной части. При большем K обучение повторяется чаще, а отложенная часть становится меньше. Автор исходного ответа предпочитает K = 4 для небольших наборов и K = 5 для больших; это его практический выбор, а не универсальное правило.

Источник и лицензия: Alexey Grigorev & contributors — Data Science Interviews · CC-BY-4.0 · перевод: Quantoros

Похожие вопросы