Leave-one-out krydsvalidering

term_id: leave_one_out_cross_validation

Category: basic_concepts

Definition

Leave-one-out krydsvalidering (LOOCV) er et specifikt tilfælde af k-fold krydsvalidering, hvor k svarer til antallet af prøver i datasættet. Det giver et næsten ubiasserede estimat af modellens ydeevne.

Summary

En streng resamplingsmetode, hvor modellen trænes på alle data bortset fra én prøve og testes på denne enkelt udeladte prøve, gentaget for hvert datapunkt.

Key Concepts

  • Resamling
  • Modelvurdering
  • Bias-varians tradeoff
  • Databehandlingsomkostninger

Use Cases

  • Vurdering af modeller på små medicinske datasæt
  • Finjustering af hyperparametre, når data er knappe
  • Rigorøs sammenligning af algoritmeydeevne

Code Example

1
2
3
4
5
6
7

from sklearn.model_selection import LeaveOneOut
loo = LeaveOneOut()
for train_index, test_index in loo.split(X):
    X_train, X_test = X[train_index], X[test_index]
    y_train, y_test = y[train_index], y[test_index]
    model.fit(X_train, y_train)
    score = model.score(X_test, y_test)

Related