Leave-one-out-cross-validation (LOOCV)

การตรวจสอบความถูกต้องของโมเดลใน Python

Kasey Jones

Data Scientist

LOOCV

LOOCV แบ่งข้อมูล n ครั้ง โดย n คือจำนวนการสังเกตในชุดข้อมูล วิธีนี้ถือเป็น cross-validation แบบสุดขีด เนื่องจากต้องรันโมเดลทั้งหมด n โมเดล

การตรวจสอบความถูกต้องของโมเดลใน Python

ควรใช้ LOOCV เมื่อใด?

ควรใช้เมื่อ:

  • ข้อมูลฝึกสอนมีจำนวนจำกัด
  • ต้องการค่าประมาณ error สำหรับข้อมูลใหม่ที่แม่นยำที่สุด

ควรระวังเมื่อ:

  • ทรัพยากรในการคำนวณมีจำกัด
  • มีข้อมูลจำนวนมาก
  • มี parameter ที่ต้องทดสอบจำนวนมาก
การตรวจสอบความถูกต้องของโมเดลใน Python

ตัวอย่าง 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
การตรวจสอบความถูกต้องของโมเดลใน Python

มาฝึกกันเถอะ!

การตรวจสอบความถูกต้องของโมเดลใน Python

Preparing Video For Download...