Hva er et holdout-sett? Noen ganger referert til som «testing»-data, et holdout-undersett gir et endelig estimat av maskinlæringsmodellens ytelse etter at den har blitt opplært og validert. Holdout-sett skal aldri brukes til å ta avgjørelser om hvilke algoritmer som skal brukes eller for å forbedre eller justere algoritmer.
Er kryssvalidering bedre enn holdout?
Kryssvalidering er vanligvis den foretrukne metoden fordi det gir modellen din muligheten til å trene på flere tog-testdelinger. Dette gir deg en bedre indikasjon på hvor godt modellen din vil prestere på usett data. Hold-out, på den annen side, er avhengig av bare én tog-testdeling.
Hva er holdout-tilnærming?
Holdout-metoden er den enkleste metoden for å evaluere en klassifiserer. I denne metoden er datasettet (en samling av dataelementer eller eksempler) delt inn i to sett, k alt treningssettet og testsettet. En klassifikator utfører funksjonen til å tilordne dataelementer i en gitt samling til en målkategori eller klasse.
Bør jeg alltid kryssvalidere?
Generelt er kryssvalidering alltid nødvendig når du trenger å bestemme de optimale parameterne for modellen, for logistisk regresjon vil dette være C-parameteren.
Hva er fordelen med K-fold kryssvalidering?
hvis du sammenligner test-MSE er bedre i tilfelle av k-fold CV enn LOOCV. k-fold CV eller noen CV eller resampling metoder gjør det ikkeforbedre testfeil. de anslår testfeil. i tilfelle k-fold, gjør den bedre jobb med å estimere feil enn LOOCV.
