Что такое кросс-валидация (cross-validation)?

Варианты ответа

• Метод оценки модели: данные делятся на K складок (folds), модель обучается на K-1 и тестируется на оставшейся, повторяется K раз. Средний score — оценка качества
• Этап подготовки данных: проверка на пропуски, выбросы, дубликаты и некорректные типы перед обучением — валидация качества входных данных на всех признаках
• Обучение K различных моделей (random forest, XGBoost, neural network и т.д.) на одних данных с последующим выбором лучшей по метрике качества на holdout
• Дополнительная валидация уже обученной модели на внешнем независимом датасете, полученном из другого источника данных, для проверки обобщающей способности

Разбор ответа

Получить доступ к ответам — все вопросы →

Похожие вопросы из категории «ML»

• Как диагностировать переобучение модели и какие приёмы помогают его предотвратить?
• Перечислите основные способы регуляризации и объясните, когда применять каждый.
• Объясните разницу между precision и recall.
• Как выбрать между ROC-AUC и PR-AUC для оценки модели классификации?
• В чём принцип градиентного бустинга и почему он так популярен в продуктовой аналитике?