Διασταυρούμενη Επαλήθευση Ένα-Προς-Ένα (Leave-One-Out Cross-Validation)

term_id: leave_one_out_cross_validation

Category: basic_concepts

Definition

Η διασταυρούμενη επαλήθευση ένα-προς-ένα (LOOCV) είναι μια ειδική περίπτωση της διασταυρούμενης επαλήθεσης k-fold όπου το k ισούται με τον αριθμό των δειγμάτων στο σύνολο δεδομένων. Παρέχει μια σχεδόν αμερόληπτη εκτίμηση της απόδοσης του μοντέλου.

Summary

Μια αυστηρή τεχνική δειγματοληψίας επαναχρησιμοποίησης όπου το μοντέλο εκπαιδεύεται σε όλα τα δείγματα εκτός από ένα και δοκιμάζεται σε αυτό το μεμονωμένο δείγμα που κρατήθηκε εκτός, επαναλαμβανόμενο για κάθε σημείο δεδομένων.

Key Concepts

  • Δειγματοληψία Επαναχρησιμοποίησης
  • Αξιολόγηση Μοντέλου
  • Εμπόριο Μεταξύ Πλαγίου και Διακύμανσης
  • Υπολογιστικό Κόστος

Use Cases

  • Αξιολόγηση μοντέλων σε μικρά ιατρικά σύνολα δεδομένων
  • Βελτιστοποίηση υπερπαραμέτρων όταν τα δεδομένα είναι σπάνια
  • Στερεή σύγκριση απόδοσης αλγορίθμων

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