Перекрёстная проверка по K блокам
Усреднение оценок по блокам
«Перекрёстная проверка по K блокам» — бесплатный урок Data Science Academy на CoddyKit. Это урок 3 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения Data Science Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс Data Science Academy содержит 4 уроков всего.
Части этого урока еще не переведены и отображаются на английском.
One Split, One Worry
A single train/test split gives just one score. If that split was lucky or unlucky, your estimate could be misleading.
The Big Idea
Cross-validation reuses your data many times, testing on a different slice each round, then averages the scores for a steadier estimate.
Cut Into Folds
You chop the data into k equal parts called folds. A common choice is five folds, giving five separate test rounds.
Rotate the Test Fold
Each round, one fold becomes the test set and the other k minus one folds train the model. Then the test fold rotates to the next one.
Everyone Gets a Turn
Over k rounds, every row is tested on exactly once and trained on the rest of the time. No data is wasted. 🔄
Average the Scores
You end with k scores, one per fold. Their average is your headline estimate, and their spread shows how stable the model is.
The Quick Way
scikit-learn does the looping for you. The helper cross_val_score returns one score per fold in a single line.
from sklearn.model_selection import cross_val_score
scores = cross_val_score(model, X, y, cv=5)Read the Result
The returned array holds each fold's score. Take its mean for the headline and its standard deviation to gauge reliability.
print(scores.mean(), scores.std())Choosing k
Five or ten folds are typical. More folds train on more data per round but cost more compute, so it is a speed-versus-stability trade.
Keep Classes Balanced
For classification, use StratifiedKFold so each fold mirrors the overall class balance. scikit-learn applies it automatically for classifiers.
Hold Out a Final Test
Cross-validation guides model choice during development. Still keep one untouched test set aside for a single honest score at the very end.
Quick Check
In 5-fold cross-validation, how often is each row tested?
Recap
Split into k folds, rotate the test fold, and average the scores for a robust estimate. Use cross_val_score, then a final hold-out. 🔄
Часто задаваемые вопросы
Урок «Перекрёстная проверка по K блокам» бесплатный?
Да — полный текст урока «Перекрёстная проверка по K блокам» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс Data Science Academy, подпишись на CoddyKit PRO. Курс Data Science Academy содержит 4 уроков всего.
Чему я научусь в уроке «Перекрёстная проверка по K блокам»?
Усреднение оценок по блокам Ты практикуешь Data Science Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать Data Science Academy?
Предыдущий опыт не требуется. Data Science Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 3 из 4.
Сколько времени занимает урок «Перекрёстная проверка по K блокам»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке Data Science Academy?
Да. Каждый урок Data Science Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Зачем откладывать тестовую выборку
- Правильное использование train_test_split
- Перекрёстная проверка по K блокам
- Остановите утечку данных до её появления