Kreuzvalidierung

term_id: cross_validation

Category: training_techniques

Definition

Die Kreuzvalidierung ist ein statistisches Verfahren zur Schätzung der Leistungsfähigkeit von Machine-Learning-Modellen. Die gebräuchlichste Form ist die k-fache Kreuzvalidierung, bei der die Daten in k gleich große Teile aufgeteilt werden. Das Modell wird dann k-mal trainiert und getestet, wobei jedes Mal ein anderer Teil als Validierungsdatensatz dient.

Summary

Ein Resampling-Verfahren zur Bewertung von Machine-Learning-Modellen an begrenzten Datensätzen durch Aufteilung der Daten in Teilmengen für Training und Test.

Key Concepts

  • K-Faltungsaufteilung
  • Modellgeneralisierung
  • Erkennung von Overfitting
  • Leistungsabschätzung

Use Cases

  • Hyperparameter-Tuning
  • Vergleich verschiedener Algorithmen
  • Validierung der Modellstabilität bei kleinen Datensätzen

Code Example

1
2

from sklearn.model_selection import cross_val_score
cv_scores = cross_val_score(model, X, y, cv=5)

Related