Kaj je niz zadržkov? Podmnožica zadrževanja, ki se včasih imenuje »testni« podatki, zagotavlja končno oceno uspešnosti modela strojnega učenja, potem ko je bil usposobljen in potrjen. Zadrževalni nizi se nikoli ne smejo uporabljati za odločanje o tem, katere algoritme uporabiti ali za izboljšanje ali prilagajanje algoritmov.
Ali je navzkrižno preverjanje boljše od zadrževanja?
Navzkrižno preverjanje je običajno prednostna metoda, ker daje vašemu modelu možnost, da se vadi na več odcepih preizkusa vlaka. To vam daje boljši pokazatelj, kako dobro bo vaš model deloval na nevidnih podatkih. Po drugi strani pa je zadrževanje odvisno samo od enega preizkušanja vlaka.
Kaj je pristop zadržanosti?
Metoda zadrževanja je najpreprostejša vrsta metode za vrednotenje klasifikatorja. Pri tej metodi je nabor podatkov (zbirka podatkovnih postavk ali primerov) ločen v dva niza, imenovana Nabor za usposabljanje in Nabor za testiranje. Klasifikator opravlja funkcijo dodelitve podatkovnih postavk v dani zbirki ciljni kategoriji ali razredu.
Ali naj vedno opravim navzkrižno preverjanje?
Na splošno je navzkrižno preverjanje vedno potrebno, ko morate določiti optimalne parametre modela, za logistično regresijo bi bil to parameter C.
Kakšna je prednost K-kratnega navzkrižnega preverjanja?
če primerjate test-MSE so boljši v primeru k-kratnega življenjepisa kot LOOCV. k-kratni življenjepis ali kateri koli CV ali metode vzorčenja neizboljšati testne napake. ocenjujejo testne napake. v primeru k-krat, naredi boljše delo pri oceni napake kot LOOCV.
