Data Science Academy · पाठ

K-Fold क्रॉस-वैलिडेशन

खंडों के बीच स्कोर का औसत निकालना

पाठ 3, कुल 4 में से13 चरण

K-Fold क्रॉस-वैलिडेशन, CoddyKit पर Data Science Academy का एक निःशुल्क पाठ है। यह 4 में से 3वाँ पाठ है। आप नीचे पूरा पाठ निःशुल्क पढ़ सकते हैं—फिर अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर के साथ ब्राउज़र में इसका व्यावहारिक अभ्यास कर सकते हैं। यह Data Science Academy सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। Data Science Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

एक विभाजन, एक चिंता

एकल प्रशिक्षण/परीक्षण विभाजन केवल एक स्कोर देता है। यदि वह विभाजन संयोग से बहुत अच्छा या बहुत खराब था, तो आपका अनुमान भ्रामक हो सकता है।

मुख्य विचार

क्रॉस-वैलिडेशन आपके डेटा का कई बार उपयोग करता है और हर दौर में अलग भाग पर परीक्षण करता है। फिर यह अधिक स्थिर अनुमान के लिए स्कोरों का औसत निकालता है।

फोल्ड में बाँटें

आप डेटा को k बराबर भागों में बाँटते हैं, जिन्हें फोल्ड कहते हैं। पाँच फोल्ड एक सामान्य विकल्प है, जिससे परीक्षण के पाँच अलग दौर मिलते हैं।

परीक्षण फोल्ड घुमाएँ

हर दौर में एक फोल्ड परीक्षण सेट बनता है और बाकी k में से एक कम फोल्ड मॉडल को प्रशिक्षित करते हैं। फिर परीक्षण फोल्ड अगले फोल्ड पर चला जाता है।

हर किसी की बारी आती है

k दौरों में हर पंक्ति का परीक्षण ठीक एक बार होता है और बाकी समय उसका उपयोग प्रशिक्षण में होता है। कोई डेटा व्यर्थ नहीं जाता। 🔄

स्कोरों का औसत निकालें

अंत में आपके पास k स्कोर होते हैं, हर फोल्ड के लिए एक। उनका औसत आपका मुख्य अनुमान है और उनका फैलाव बताता है कि मॉडल कितना स्थिर है।

त्वरित तरीका

scikit-learn आपके लिए दोहराव का काम कर देता है। सहायक cross_val_score एक ही पंक्ति में हर फोल्ड के लिए एक स्कोर लौटाता है।

from sklearn.model_selection import cross_val_score
scores = cross_val_score(model, X, y, cv=5)

परिणाम पढ़ें

लौटाई गई सारणी में हर फोल्ड का स्कोर होता है। मुख्य अनुमान के लिए उसका mean लें और विश्वसनीयता आँकने के लिए उसका मानक विचलन देखें।

print(scores.mean(), scores.std())

k चुनना

पाँच या दस फोल्ड सामान्य हैं। अधिक फोल्ड हर दौर में अधिक डेटा पर प्रशिक्षण देते हैं, लेकिन अधिक गणना की लागत आती है। इसलिए यह गति और स्थिरता के बीच समझौता है।

वर्गों को संतुलित रखें

वर्गीकरण के लिए StratifiedKFold का उपयोग करें, ताकि हर फोल्ड में कुल वर्ग संतुलन जैसा ही संतुलन रहे। scikit-learn वर्गीकारकों के लिए इसे अपने-आप लागू करता है।

अंतिम परीक्षण अलग रखें

विकास के दौरान क्रॉस-वैलिडेशन मॉडल चुनने में मार्गदर्शन देता है। फिर भी अंत में एक बार ईमानदार स्कोर पाने के लिए एक अप्रयुक्त परीक्षण सेट अलग रखें।

त्वरित जाँच

5-फोल्ड क्रॉस-वैलिडेशन में हर पंक्ति का परीक्षण कितनी बार होता है?

इंटरैक्टिव पाठ में इसका उत्तर दें

पुनरावृत्ति

डेटा को k फोल्ड में बाँटें, परीक्षण फोल्ड को घुमाएँ और मजबूत अनुमान के लिए स्कोरों का औसत निकालें। cross_val_score का उपयोग करें, फिर अंत में अलग रखा गया परीक्षण करें। 🔄

शुरुआत निःशुल्क

एआई शिक्षक के साथ Python सीखें — निःशुल्क

अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।

पाठ्यक्रम: 30
पाठ: 120

निःशुल्क सीखना शुरू करें पूरा पाठ्यक्रम देखें

अक्सर पूछे जाने वाले प्रश्न

क्या “K-Fold क्रॉस-वैलिडेशन” पाठ निःशुल्क है?

हाँ—“K-Fold क्रॉस-वैलिडेशन” का पूरा पाठ यहाँ वेब पर निःशुल्क पढ़ा जा सकता है। इंटरैक्टिव अभ्यास (अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर) करने और Data Science Academy पाठ्यक्रम का बाकी हिस्सा अनलॉक करने के लिए CoddyKit PRO लें। Data Science Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

“K-Fold क्रॉस-वैलिडेशन” में मैं क्या सीखूँगा?

खंडों के बीच स्कोर का औसत निकालना आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ Data Science Academy का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।

क्या Data Science Academy शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?

पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर Data Science Academy शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 3वाँ पाठ है।

“K-Fold क्रॉस-वैलिडेशन” पाठ पूरा करने में कितना समय लगता है?

CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।

क्या मैं इस Data Science Academy पाठ में कोड लिख और चला सकता हूँ?

हाँ। हर Data Science Academy पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।

इस पाठ्यक्रम के सभी पाठ

← Data Science Academy पर वापस जाएँ