深ハンズオン科学の学習3-5その他

トレーニングデータが十分でないときに、モデルの検証データセットには手が届かない検証データを大量に確保され、研修に参加しませんので。改良された方法K K倍クロスバリデーション（KクロスバリデーションをK倍）。ではK K倍クロスバリデーション、我々はに、元のトレーニングデータセットを分割Kない偶然のサブデータセットK、そして我々は、やるK Kモデルのトレーニングと検証の時間を。たびに、私たちはモデルを検証し、その他に使用するデータのサブセットを使用するK - 1モデルを訓練するために使用されるデータのK-1のサブセットを。このようにK K倍トレーニングおよびバリデーション、モデルを検証するために使用されるデータの各サブセットが異なっています。最後に、私たちは、この持っているK訓練誤差と検証エラーが平均化されているK回。