Walidacja krzyżowa typu leave-one-out
term_id: leave_one_out_cross_validation
Category: basic_concepts
Definition
Walidacja krzyżowa typu leave-one-out (LOOCV) jest szczególnym przypadkiem walidacji krzyżowej k-fold, gdzie k jest równe liczbie próbek w zbiorze danych. Zapewnia ona niemal nieobciążoną estymację wydajności modelu, ponieważ każda próbka jest używana dokładnie raz jako zbiór testowy.
Summary
Rygorystyczna technika próbkowania ponownego, w której model jest trenowany na wszystkich próbach z wyjątkiem jednej i testowany na tej pojedynczej, pominiętej próbce, co powtarzane jest dla każdego punktu danych.
Key Concepts
- Próbkowanie ponowne
- Ocena modelu
- Kompromis między biasem a wariancją
- Koszt obliczeniowy
Use Cases
- Ewaluacja modeli na małych zestawach danych medycznych
- Dopasowywanie hiperparametrów przy ograniczonej ilości danych
- Rygorystyczne porównanie wydajności algorytmów
Code Example
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)