چرا اعتبار متقاطع مورد نیاز است؟

2024 نویسنده: Stanley Ellington | [email protected]. آخرین اصلاح شده: 2023-12-16 00:16

اعتبار سنجی متقابل یک تکنیک بسیار مفید برای ارزیابی اثربخشی مدل شما است، به ویژه در مواردی که نیاز به کاهش بیش از حد مناسب دارید. همچنین در تعیین پارامترهای هایپر مدل شما کاربرد دارد، به این معنا که کدام پارامترها کمترین خطای تست را به همراه خواهند داشت.

با در نظر گرفتن این موضوع، آیا اعتبار سنجی متقابل همیشه بهتر است؟

اعتبار سنجی متقابل معمولا یک راه بسیار خوب برای اندازه گیری عملکرد دقیق است. در حالی که از برازش بیش از حد مدل شما جلوگیری نمی کند، اما هنوز یک برآورد عملکرد واقعی را اندازه گیری می کند. اگر مدل شما بیش از حد مناسب باشد، عملکرد بدتری را به همراه خواهد داشت. این منجر به بدتر شد اعتبار سنجی متقابل کارایی.

علاوه بر موارد فوق، چرا به مجموعه اعتبارسنجی نیاز داریم؟ مجموعه اعتبار سنجی در واقع می تواند به عنوان بخشی از آموزش در نظر گرفته شود تنظیم ، زیرا برای ساخت مدل شما، شبکه های عصبی یا موارد دیگر استفاده می شود. معمولاً برای انتخاب پارامتر و جلوگیری از برازش بیش از حد استفاده می شود. مجموعه اعتبارسنجی برای تنظیم پارامترهای یک مدل استفاده می شود. مجموعه تست برای ارزیابی عملکرد استفاده می شود.

متعاقباً، می‌توان پرسید که اعتبار متقاطع به چه معناست؟

صلیب - اعتبار سنجی الف است تکنیکی که برای ارزیابی چگونگی تعمیم نتایج تجزیه و تحلیل آماری به یک مجموعه داده مستقل استفاده می شود. صلیب - اعتبار سنجی تا حد زیادی در تنظیماتی که هدف پیش بینی است استفاده می شود و لازم است دقت عملکرد یک مدل پیش بینی تخمین زده شود.

چگونه تعداد فولدها را در اعتبارسنجی متقاطع انتخاب می کنید؟

این تعداد چین ها معمولاً توسط عدد از نمونه های موجود در مجموعه داده شما. به عنوان مثال، اگر 10 نمونه در داده های خود دارید، 10- صلیب تا کنید - اعتبار سنجی منطقی نخواهد بود