Validación cruzada

term_id: cross_validation

Category: training_techniques

Definition

La validación cruzada es un método estadístico utilizado para estimar la capacidad de generalización de los modelos de aprendizaje automático. La forma más común es la validación cruzada k-fold, donde los datos se dividen en k partes iguales. El modelo se entrena en k-1 partes y se valida en la parte restante, repitiendo el proceso k veces.

Summary

Un procedimiento de remuestreo utilizado para evaluar modelos de aprendizaje automático en una muestra de datos limitada, dividiendo los datos en subconjuntos para entrenamiento y prueba.

Key Concepts

  • División K-Fold
  • Generalización del Modelo
  • Detección de Sobreajuste
  • Estimación del Rendimiento

Use Cases

  • Ajuste de hiperparámetros
  • Comparación de diferentes algoritmos
  • Validación de la estabilidad del modelo en conjuntos de datos pequeños

Code Example

1
2

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

Related