Leave-one-out-korsvalidering (LOOCV)

Modellvalidering i Python

Kasey Jones

Data Scientist

LOOCV

LOOCV innebär att data delas upp n gånger, där n är antalet observationer. Det tar korsvalidering till det yttersta. Totalt behöver n modeller tränas.

Modellvalidering i Python

När ska LOOCV användas?

Använd när:

  • Träningsdatan är begränsad
  • Du vill ha bästa möjliga felskattning för ny data

Var försiktig när:

  • Beräkningsresurserna är begränsade
  • Du har mycket data
  • Du har många parametrar att testa
Modellvalidering i Python

LOOCV-exempel

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
Modellvalidering i Python

Nu kör vi en övning!

Modellvalidering i Python

Preparing Video For Download...