Mikä on Holdout-setti? Joskus "testaustiedoksi" kutsuttu pito-alijoukko tarjoaa lopullisen arvion koneoppimismallin suorituskyvystä sen jälkeen, kun se on koulutettu ja validoitu. Holdout-sarjoja ei saa koskaan käyttää päätettäessä käytettävistä algoritmeista tai parantamaan tai virittämään algoritmeja.
Onko ristiintarkistus parempi kuin holdout?
Ristivalidointi on yleensä suositeltavin menetelmä, koska se antaa mallillesi mahdollisuuden harjoitella useilla junatestijaksoilla. Tämä antaa sinulle paremman kuvan siitä, kuinka hyvin mallisi toimii näkymättömällä tiedolla. Sen sijaan viivästyminen riippuu vain yhdestä junatestin jaosta.
Mikä on holdout-lähestymistapa?
Holdout Method on yksinkertaisin tapa arvioida luokittelija. Tässä menetelmässä tietojoukko (kokoelma tietokohteita tai esimerkkejä) jaetaan kahteen ryhmään, joita kutsutaan koulutusjoukoksi ja testijoukoksi. Luokitin suorittaa toiminnon, joka määrittää tietyn kokoelman tietokohteet kohdeluokkaan tai -luokkaan.
Pitäisikö minun aina tehdä ristiinvahvistus?
Yleensä ristiin validointi on tarvitaan aina, kun täytyy määrittää mallin optimaaliset parametrit, logistisessa regressiossa tämä olisi C-parametri.
Mitä etua K-kertaisesta ristiinvalidaatiosta on?
jos vertaat testi-MSE:t ovat parempia k-kertaisen CV:n tapauksessa kuin LOOCV:n. k-kertainen CV tai mikään CV tai uudelleennäytteenottomenetelmät eivätparantaa testivirheitä. he arvioivat testivirheet. k-kertaisuuden tapauksessa se paremmin arvioi virhettä kuin LOOCV.
