Зачем использовать кросс-валидацию вместо одного train/test split?

Варианты ответа

• Кросс-валидация даёт более надёжную оценку качества: каждое наблюдение побывает в тестовой выборке, что уменьшает дисперсию оценки и зависимость от конкретного разбиения
• Кросс-валидация всегда даёт лучшую точность модели
• Она нужна только для маленьких датасетов (< 100 строк)
• Кросс-валидация заменяет необходимость в отдельной тестовой выборке

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?