ተሻጋሪ ማረጋገጫ
ተሻጋሪ ማረጋገጫ አንድ ሞዴል ምን ያህል በደንብ ወደማይታየው መረጃ እንደሚጠቃለል ለመገመት እንደገና የማዘጋጀት ዘዴ ነው።
አጠቃላይ እይታ
It makes better use of limited data and gives a more reliable performance estimate than a single train/test split.
ጥልቅ ዳይቭ
ነጠላ የባቡር/የሙከራ ክፍፍል ደካማ ነው፡ የሚያገኙት ነጥብ በፈተናው ስብስብ ውስጥ በየትኞቹ ረድፎች ላይ እንደደረሰ ይወሰናል። ተሻጋሪ ማረጋገጫ ይህንን የሙከራ ስብስብ ሚና በማዞር ያስተካክላል። በ k-fold cross-validation ውስጥ ውሂቡን ወደ k እኩል እጥፎች ይከፋፍሏቸዋል ፣ ከነሱ በ k-1 ላይ ያሰለጥኑ ፣ በተያዘው እጥፋት ላይ ይገምግሙ እና እያንዳንዱ ረድፍ በትክክል አንድ ጊዜ እንዲሞከር k ጊዜ ይደግማሉ። የ k ውጤቶች አማካይ የበለጠ የተረጋጋ ግምት እና የተለዋዋጭነት መለኪያን ያመጣል። የተለመዱ ምርጫዎች 5 ወይም 10 እጥፍ ናቸው. ተለዋዋጮች ስታርትፋይድ k-fold (የተመጣጠነ ላልተመጣጠነ መረጃ የክፍል ምጣኔን መጠበቅ)፣ አንድ መውጣት (k ከናሙናዎች ብዛት ጋር እኩል ነው) እና ያለፈውን ለመተንበይ ስለወደፊቱ የማይሰለጥኑ የጊዜ ተከታታይ ክፍፍሎችን ያካትታሉ።
ቴክኒካዊ ግንዛቤ
ተሻጋሪ ማረጋገጫ ለሞዴል ምርጫ እና የሃይፐርፓራሜትር ማስተካከያ በጣም ኃይለኛ ነው፡ አወቃቀሮችን ወደ አንድ ስንጥቅ ከመገጣጠም ይልቅ በአማካይ የማረጋገጫ ውጤታቸው ያወዳድራሉ። ወሳኙ ወጥመድ የውሂብ መፍሰስ ነው - ሙሉውን የውሂብ ስብስብ 'ያየ' ማንኛውም ቅድመ-ሂደት (መለኪያ፣ የባህሪ ምርጫ፣ ግምት) ከመለያየቱ በፊት ሳይሆን በእያንዳንዱ ማጠፊያ ውስጥ የሚስማማ መሆን አለበት፣ አለበለዚያ የእርስዎ ግምት በብሩህ አመለካከት የተዛባ ይሆናል። Nsted cross-validation ይህን ፍንጣቂ ለማስቀረት ማስተካከያን ከመጨረሻው ግምገማ ይለያል።
ስልታዊ ተጽእኖ
ግልጽ ውሳኔዎች
ግልጽ ቴክኒካዊ የይገባኛል ጥያቄዎችን ከገበያ ቋንቋ እንዲለዩ ያግዝዎታል።
ወጪ እና በጀት
ገንዘብን ወይም ጊዜን ከማጥፋትዎ በፊት የተሻሉ የትግበራ ጥያቄዎችን መጠየቅ ይችላሉ።
ቡድን እና የስራ ፍሰት
የጋራ ግንዛቤ ያላቸው ቡድኖች የተሻለ ምርት፣ ፖሊሲ እና የመማር ውሳኔዎችን ያደርጋሉ።
የመስቀል ማረጋገጫ የወደፊት
የውሂብ ስብስቦች እና ሞዴሎች እያደጉ ሲሄዱ የ k ሙሉ የስልጠና ዑደቶችን መሮጥ ውድ ይሆናል፣ ስለዚህ ስፔሻሊስቶች ለጥልቅ ትምህርት አንድ ትልቅ የተረጋገጠ የማረጋገጫ ስብስብን እየጨመሩ ለትንንሽ ወይም የሰንጠረዥ ዳታ ስብስቦች ማቋቋሚያ ማረጋገጫን እየጠበቁ ናቸው። አውቶሜትድ ኤምኤል እና እንደ scikit-learn's GridSearchCV እና Optuna ያሉ መሳሪያዎች በነባሪነት ወደ ሃይፐርፓራሜትር ፍለጋ ይጋግሩ። በርካሽ ግምቶች፣ ፍሳሽን መቋቋም በሚችሉ የቧንቧ መስመሮች እና በቡድን ለተደራጁ፣ ተዋረዳዊ እና ጊዜ-ጥገኛ መረጃ ትክክለኛ ማረጋገጫ ላይ ምርምር ቀጥሏል።
የእውነተኛ-ዓለም አተገባበር
ወደ አንድ ሞዴል ከመግባትዎ በፊት የሎጅስቲክ ሪግሬሽን፣ የዘፈቀደ ደን እና ቀስ በቀስ መጨመርን ለማነፃፀር ባለ 5 እጥፍ ተሻጋሪ ማረጋገጫን በመጠቀም።
እያንዳንዱ እጥፋት በግምት ተመሳሳይ ብርቅዬ-ክፍል ምጥጥን እንዲቆይ ሚዛናዊ ባልሆነ የማጭበርበር-ማወቂያ ዳታ ስብስብ ላይ የተዘረጋ k-foldን መተግበር።
ምርጡን መቼቶች ለመምረጥ እያንዳንዱን የሃይፐርፓራሜትር ጥምረት የሚያቋርጥ GridSearchCV ወይም RandomizedSearchCV በማሄድ ላይ።
ስለወደፊቱ መረጃ ሳይሰለጥኑ የአክሲዮን ወይም የፍላጎት ትንበያ ባለሙያን ለመገምገም የጊዜ-ተከታታይ (የማንከባለል/ወደፊት ሰንሰለት) ማቋረጫ በመጠቀም።
አደጋዎች እና የጥበቃ መንገዶች
የተለያዩ ቡድኖች ተመሳሳይ ቃል በተለያየ መንገድ ሊጠቀሙ ይችላሉ፣ ስለዚህ ወሰንን ቀደም ብለው ይግለጹ።
የገሃዱ ዓለም አፈጻጸም ያልተስተካከለ ሆኖ ሳለ ማመሳከሪያዎች ጠንካራ ሊመስሉ ይችላሉ።
የውሂብ ጥራት እና የግምገማ እቅዶችን ችላ ማለት ብዙውን ጊዜ ደካማ ውጤቶችን ይፈጥራል.
የትግበራ ፍኖተ ካርታ
የሚፈልጉትን ውጤት በግልፅ ቋንቋ ትርጉም ይጀምሩ።
ከመሞከርዎ በፊት አንድ የስኬት መለኪያ እና አንድ የውድቀት ሁኔታ ይምረጡ።
አንድ ትንሽ አብራሪ በተወካይ ውሂብ ያሂዱ እንጂ የተጣራ ማሳያ ስብስብ አይደለም።
ክሮስ-ማረጋገጫ የሚረዳበት እና ቀላል ዘዴዎች የተሻሉበት ሰነድ።
ማሰስዎን ይቀጥሉ
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Cross-Validation quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
ቀጣይ መመሪያ
ክሮስ-ኢንኮደሮች vs Bi-Encoders
በተደጋጋሚ የሚጠየቁ ጥያቄዎች
What is Cross-Validation?
ተሻጋሪ ማረጋገጫ አንድ ሞዴል ምን ያህል በደንብ ወደማይታየው መረጃ እንደሚጠቃለል ለመገመት እንደገና የማዘጋጀት ዘዴ ነው። ውሱን መረጃን በተሻለ ሁኔታ ይጠቀማል እና ከአንድ የባቡር/የሙከራ ክፍፍል የበለጠ አስተማማኝ የአፈጻጸም ግምት ይሰጣል።
በመደበኛ የ k-fold cross-validation እያንዳንዱ የውሂብ ነጥብ ስንት ጊዜ ለሙከራ ጥቅም ላይ ይውላል?
እያንዳንዱ ማጠፍ ልክ እንደ የ k ዙሮች ልክ አንድ ጊዜ የፈተና ስብስብ ሆኖ ያገለግላል፣ ስለዚህ እያንዳንዱ ናሙና በአንድ ጊዜ ተፈትኖ በቀሪው ላይ ይሰለጥናል።
በአንድ ባቡር/የሙከራ ክፍፍል ላይ የ k-fold cross-validation ዋና ጥቅም ምንድነው?
ከበርካታ እጥፋቶች በላይ አማካኝ በማድረግ፣ ተሻጋሪ ማረጋገጫ በአንድ የዘፈቀደ ክፍፍል ላይ ከመተማመን ጋር ሲነፃፀር የአፈጻጸም ግምቱን ልዩነት ይቀንሳል።
ለምንድነው ተራ k-fold ተሻጋሪ ማረጋገጫ ለጊዜ ተከታታይ ትንበያ አግባብ ያልሆነው?
በጊዜ የታዘዘ መረጃን ማወዛወዝ መጪውን ጊዜ ወደ ስልጠና ያፈሳል፣ ስለዚህ የጊዜ ተከታታይ ሲቪ ያለፉ ምልከታዎችን ብቻ የሚያሰለጥን ወደፊት-ሰንሰለት ክፍፍልን ይጠቀማል።