Cross-validatie

term_id: cross_validation

Category: training_techniques

Definition

Cross-validatie is een statistische methode die wordt gebruikt om de prestaties van machine learning-modellen te schatten. De meest voorkomende vorm is k-voudige cross-validatie, waarbij de dataset wordt opgedeeld in k gelijke delen. Het model wordt vervolgens k keer getraind en gevalideerd, waarbij elk deel één keer als testset dient terwijl de andere delen als trainingsset worden gebruikt. Dit geeft een robuustere schatting van hoe goed het model generalizeert naar nieuwe, onziene data.

Summary

Een hersteekproefprocedure die wordt gebruikt om machine learning-modellen te evalueren op een beperkte dataset door de data op te delen in subsets voor training en testen.

Key Concepts

  • K-voudige verdeling
  • Modelgeneralisatie
  • Detectie van overfitting
  • Prestatieschatting

Use Cases

  • Afstelling van hyperparameters
  • Vergelijken van verschillende algoritmen
  • Valideren van modelstabiliteit op kleine datasets

Code Example

1
2

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

Related