Cross-validation nel modo corretto
Stimare prestazioni di cui fidarsi
Cross-validation nel modo corretto è una lezione NLP Academy gratuita su CoddyKit. Questa è la lezione 4 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento NLP Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso NLP Academy include 4 lezioni in totale.
Una sola suddivisione è rischiosa
Una singola suddivisione tra training e test può, per pura fortuna, far sembrare il modello migliore o peggiore di quanto sia. La cross-validation calcola la media su molte suddivisioni, fornendo un punteggio più affidabile.
L'idea del K-Fold
La cross-validation K-fold divide i dati in k parti uguali, quindi addestra il modello su k-1 parti e lo testa su quella esclusa, ruotando la parte di test a ogni iterazione.
Ogni riga viene testata
Nel corso dei k round, ogni esempio viene usato per il test esattamente una volta. Si ottengono k punteggi invece di un unico numero poco affidabile.
Media e dispersione
Riportate la media dei k punteggi come stima e la deviazione standard per mostrare quanto siano effettivamente stabili le prestazioni.
Eseguirla in Python
scikit-learn gestisce l'intero ciclo con un unico helper che restituisce un punteggio per ogni fold.
from sklearn.model_selection import cross_val_score
scores = cross_val_score(model, X, y, cv=5)Mantenere bilanciate le classi
Per la classificazione usate fold stratificati, in modo che ogni fold mantenga la stessa proporzione tra le classi, soprattutto quando i dati sono sbilanciati.
from sklearn.model_selection import StratifiedKFold
cv = StratifiedKFold(n_splits=5)Attenzione al data leakage
Il leakage si verifica quando informazioni del test entrano di nascosto nel training, gonfiando il punteggio. Adattate scaler e vectorizer all'interno di ogni fold, mai prima.
Le pipeline prevengono il leakage
Racchiudete il preprocessing e il modello in una Pipeline, così ogni fold riadatta le trasformazioni solo sulla propria porzione di training. In questo modo il processo è corretto e sicuro.
Scegliere K
Di solito si usano cinque o dieci fold. Un numero maggiore offre una stima più stabile, ma richiede più calcolo perché il modello viene riaddestrato per ogni fold.
Ottimizzare nel modo corretto
Quando scegliete gli iperparametri, cercateli all'interno della cross-validation. GridSearchCV collega ottimizzazione e validazione, mantenendo affidabili i risultati.
Riservare un test finale
Anche con la cross-validation, mantenete un test set intatto per la verifica finale. Conferma la stima su dati che la ricerca non ha mai visto.
Verifica rapida
Perché la cross-validation è migliore di una singola suddivisione?
Riepilogo
La cross-validation alterna i fold per ottenere un punteggio affidabile. Usate fold stratificati, proteggetevi dal leakage con le pipeline e mantenete un test set finale. ✅
Impara Python con un tutor IA — gratis
Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.
- Corsi
- 30
- Lezioni
- 120
Domande Frequenti
La lezione «Cross-validation nel modo corretto» è gratuita?
Sì — il testo completo di «Cross-validation nel modo corretto» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso NLP Academy, passa a CoddyKit PRO. Il corso NLP Academy include 4 lezioni in totale.
Cosa imparerò in «Cross-validation nel modo corretto»?
Stimare prestazioni di cui fidarsi Eserciti NLP Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare NLP Academy?
Non è richiesta alcuna esperienza precedente. NLP Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 4 di 4.
Quanto tempo richiede la lezione «Cross-validation nel modo corretto»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione NLP Academy?
Sì. Ogni lezione NLP Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Perché l'accuratezza può ingannare
- Precision, recall e F1
- Leggere la matrice di confusione
- Cross-validation nel modo corretto