Walidacja krzyżowa leave-one-out (LOOCV)

Walidacja modeli w Pythonie

Kasey Jones

Data Scientist

LOOCV

LOOCV polega na n-krotnym podziale danych, gdzie n to liczba obserwacji. Jest to ekstremalna forma walidacji krzyżowej — wymaga uruchomienia n modeli.

Walidacja modeli w Pythonie

Kiedy używać LOOCV?

Kiedy stosować:

  • Dane treningowe są ograniczone
  • Potrzebna jest jak najdokładniejsza ocena błędu

Kiedy zachować ostrożność:

  • Zasoby obliczeniowe są ograniczone
  • Zbiór danych jest duży
  • Testowanych jest wiele parametrów
Walidacja modeli w Pythonie

Przykład LOOCV

n = X.shape[0]
mse = make_scorer(mean_squared_error)
cv_results = cross_val_score(estimator, X, y, scoring=mse, cv=n)

print(cv_results)

[5.45, 10.52, 6.23, 1.98, 11.27, 9.21, 4.65, ... ]

print(cv_results.mean())

6.32
Walidacja modeli w Pythonie

Czas na ćwiczenia!

Walidacja modeli w Pythonie

Preparing Video For Download...