Validasi Silang dengan Cara yang Tepat
Memperkirakan kinerja yang dapat Anda percayai
Validasi Silang dengan Cara yang Tepat adalah pelajaran NLP Academy gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar NLP Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus NLP Academy mencakup 4 pelajaran total.
Satu Pembagian Berisiko
Satu pembagian pelatihan-pengujian dapat membuat model Anda tampak lebih baik atau lebih buruk hanya karena kebetulan. Validasi silang merata-ratakan banyak pembagian untuk menghasilkan skor yang dapat Anda percaya.
Gagasan K-Fold
Validasi silang K-fold membagi data Anda menjadi k bagian yang sama besar, lalu melatih model pada k-1 bagian dan mengujinya pada satu bagian yang disisihkan, secara bergiliran.
Setiap Baris Diuji
Dalam k putaran, setiap contoh digunakan tepat satu kali untuk pengujian. Anda mendapatkan k skor, bukan satu angka yang rapuh.
Rata-Rata dan Sebaran
Laporkan rata-rata dari k skor sebagai perkiraan Anda, dan simpangan baku untuk menunjukkan seberapa stabil kinerja tersebut.
Menjalankannya dengan Python
scikit-learn menangani seluruh perulangan dengan satu pembantu yang mengembalikan satu skor untuk setiap lipatan.
from sklearn.model_selection import cross_val_score
scores = cross_val_score(model, X, y, cv=5)Menjaga Keseimbangan Kelas
Untuk klasifikasi, gunakan lipatan terstratifikasi agar setiap lipatan mempertahankan rasio kelas yang sama. Hal ini paling penting pada data yang tidak seimbang.
from sklearn.model_selection import StratifiedKFold
cv = StratifiedKFold(n_splits=5)Waspadai Kebocoran Data
Kebocoran berarti informasi pengujian masuk secara tidak sengaja ke pelatihan sehingga skor meningkat secara semu. Lakukan fit pada penskala dan vektorisator di dalam setiap lipatan, bukan sebelumnya.
Alur Kerja Mencegah Kebocoran
Bungkus prapemrosesan dan model dalam alur kerja agar setiap lipatan melakukan fit ulang transformasi hanya pada bagian pelatihannya sendiri. Bersih dan aman.
Memilih K
Lima atau sepuluh lipatan adalah pilihan umum. Lebih banyak lipatan memberikan perkiraan yang lebih stabil, tetapi membutuhkan komputasi lebih besar karena model dilatih ulang untuk setiap lipatan.
Penyetelan dengan Cara yang Jujur
Saat memilih hiperparameter, cari nilainya di dalam validasi silang. GridSearchCV menggabungkan penyetelan dan validasi agar hasilnya tetap jujur.
Sisihkan Pengujian Akhir
Bahkan dengan validasi silang, sisihkan satu set pengujian yang tidak pernah disentuh untuk pemeriksaan akhir. Set ini mengonfirmasi perkiraan pada data yang tidak pernah dilihat selama pencarian.
Pemeriksaan Cepat
Mengapa validasi silang lebih baik daripada satu pembagian?
Rangkuman
Validasi silang menggilir lipatan untuk menghasilkan skor yang andal. Gunakan lipatan terstratifikasi, cegah kebocoran dengan alur kerja, dan sisihkan satu set pengujian akhir. ✅
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Validasi Silang dengan Cara yang Tepat” gratis?
Ya — teks lengkap “Validasi Silang dengan Cara yang Tepat” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus NLP Academy, upgrade ke CoddyKit PRO. Kursus NLP Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Validasi Silang dengan Cara yang Tepat”?
Memperkirakan kinerja yang dapat Anda percayai Kamu berlatih NLP Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai NLP Academy?
Tidak diperlukan pengalaman sebelumnya. NLP Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.
Berapa lama pelajaran “Validasi Silang dengan Cara yang Tepat” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran NLP Academy ini?
Ya. Setiap pelajaran NLP Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Mengapa Akurasi Bisa Menyesatkan
- Presisi, Recall, dan F1
- Membaca Matriks Kebingungan
- Validasi Silang dengan Cara yang Tepat