Mis on Holdouti komplekt? Vahel "testimisandmeteks" viidatud alamhulk annab lõpliku hinnangu masinõppemudeli toimivuse kohta pärast seda, kui see on koolitatud ja kinnitatud. Holdout komplekte ei tohiks kunagi kasutada selleks, et teha otsuseid selle kohta, milliseid algoritme kasutada või algoritme täiustada või häälestada.
Kas ristvalideerimine on parem kui hoidmine?
Ristvalideerimine on tavaliselt eelistatud meetod, kuna see annab teie mudelile võimaluse treenida mitmel rongitesti vaheajal. See annab teile parema ülevaate sellest, kui hästi teie mudel nägemata andmetega toimib. Hoiamine seevastu sõltub ainult ühest rongikatse jaotusest.
Mis on hoidmisviis?
Holdout meetod on lihtsaim meetod klassifikaatori hindamiseks. Selle meetodi puhul jagatakse andmekogum (andmeüksuste või näidete kogum) kaheks komplektiks, mida nimetatakse koolituskomplektiks ja testikomplektiks. Klassifikaator täidab antud kollektsiooni andmeüksuste määramise funktsiooni sihtkategooriasse või -klassi.
Kas ma peaksin alati tegema ristvalideerimise?
Üldiselt on ristvalideerimine alati vajalik, kui on vaja määrata mudeli optimaalsed parameetrid, logistilise regressiooni jaoks oleks see C-parameeter.
Mis on K-kordse ristvalideerimise eelis?
kui võrrelda test-MSE-d on k-kordse CV korral paremad kui LOOCV. k-kordne CV või mis tahes CV või resampling meetodid seda ei teeparandada katsevigu. nad hindavad katsevigu. k-kordse korral teeb see vea hindamiseks parem tööd kui LOOCV.
