Il prossimoProssima guida
Convalida incrociata annidata
Tecnico
GUIDA AI FONDAMENTALI
Cross-validation estimates how a model or modeling procedure performs on held-out data by repeating train/validation splits.
Ascolta questa guidaNarrato dall'IA · ~1 min
It supports model assessment, but the estimate depends on the data, split design and preprocessing.
In k-fold cross-validation, the data are divided into folds; each fold is held out once while the others train the model. Repeated partitions can make an estimate less dependent on one particular split, but do not guarantee greater reliability: dependence between folds, sample size and distribution shift still matter. Preprocessing belongs inside each training fold. Nested cross-validation separates hyperparameter selection from outer evaluation.
K-fold cross-validation rotates which fold is held out for evaluation.
Stratification can preserve approximate class proportions in folds for classification.
Preprocessing should be fitted within each training fold to avoid leakage.
Nested cross-validation separates inner model selection from outer evaluation.
Choose validation procedures based on the data structure and deployment question. AutoML or deep-learning workflows do not universally require one holdout strategy; the method should be justified and reported.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
Cross-validation estimates how a model or modeling procedure performs on held-out data by repeating train/validation splits. It supports model assessment, but the estimate depends on the data, split design and preprocessing.
Ogni piega funge da set di test esattamente una volta nei k round, quindi ogni campione viene testato una sola volta e addestrato sul resto.
Averaging results across folds can reduce dependence on one particular train/test split, but it does not guarantee a reliable estimate; sample size, data dependence and split design still matter.
Il mescolamento dei dati ordinati nel tempo fa trapelare il futuro nell'addestramento, quindi i CV delle serie temporali utilizzano suddivisioni concatenate in avanti che si addestrano solo sulle osservazioni passate.
Nested cross-validation uses inner folds for model selection and outer folds to estimate the performance of that selection process, reducing selection bias.
The guide identifies five- and ten-fold cross-validation as common choices, though the suitable design depends on the data and task.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Convalida incrociata annidata
Tecnico