Mi az a Holdout készlet? A néha „tesztelési” adatoknak nevezett visszatartási részhalmaz végső becslést ad a gépi tanulási modell teljesítményéről, miután betanították és ellenőrizték. A Holdout halmazokat soha nem szabad arra használni, hogy döntéseket hozzanak arról, hogy melyik algoritmust kell használni, vagy hogy javítsák vagy hangolják az algoritmusokat.
Jobb a keresztellenőrzés, mint a kitartás?
A keresztellenőrzés általában az előnyben részesített módszer, mert ez lehetőséget ad a modellnek, hogy több vonatteszt-felosztáson edzen. Ez jobb jelzést ad arról, hogy a modell milyen jól teljesít a nem látott adatokon. Ezzel szemben a kitartás csak egyetlen vonatteszttől függ.
Mi az a holdout megközelítés?
A
Holdout Method a legegyszerűbb módszer egy osztályozó kiértékelésére. Ebben a módszerben az adatkészletet (adatelemek vagy példák gyűjteménye) két halmazra osztják, amelyeket képzési készletnek és tesztkészletnek neveznek. Az osztályozó feladata, hogy egy adott gyűjtemény adatelemeit célkategóriához vagy osztályhoz rendelje.
Mindig végezzem el a keresztellenőrzést?
Általában a keresztellenőrzés mindig szükséges, amikor meg kell határozni a modell optimális paramétereit, logisztikus regresszióhoz ez lenne a C paraméter.
Mi az előnye a K-szeres keresztellenőrzésnek?
ha összehasonlítja a tesztet, az MSE jobb k-szeres CV esetén, mint a LOOCV. k-szeres CV vagy bármilyen önéletrajz vagy újramintavételi módszerek nemjavítja a teszthibákat. teszthibákat becsülnek. k-szoros esetén jobb munkát végez a hibabecslésben, mint a LOOCV.
