Kreuzvalidierung im maschinellen Lernen | K-Fold, Stratified, LOOCV & Nested CV erklärt
Warum erzielt Ihr Modell während des Trainings 99% und versagt dann völlig bei neuen Daten? In diesem Video erklären wir die Kreuzvalidierung – die Technik, die Ihnen sagt, ob Ihr Modell tatsächlich etwas Reales gelernt hat oder nur die Antworten auswendig gelernt hat.
Was Sie lernen werden:
– Warum eine einzelne Train/Test-Aufteilung unzuverlässig ist und eine Genauigkeitsschwankung von 17% erzeugt
– Was Kreuzvalidierung ist und wie sie die Aufteilungsvarianz eliminiert
– K-Fold CV: der Algorithmus, die Mathematik und eine vollständige animierte Anleitung
– Stratified K-Fold: Erhaltung des Klassenverhältnisses in jedem Fold
– Leave-One-Out CV (LOOCV): niedrigster Bias, höchste Kosten – wann man es verwenden sollte
– Der Bias-Varianz-Handel visuell durch CV-Werte dargestellt
– Zeitreihenaufteilung, Group K-Fold, wiederholte K-Fold und weitere Strategien
– Wie man K wählt: 5 vs 10 vs LOOCV – der mathematische Handel
– Datenleck, Missbrauch des Testdatensatzes und der häufigste Fehler, den Praktiker machen
– Nested CV: ehrliche Bewertung bei gleichzeitiger Feinabstimmung der Hyperparameter
– Welche Metriken zu verwenden sind und wie man CV-Ergebnisse mit Mittelwert ± Standardabweichung berichtet
⏱ Kapitel:
– Einführung & Das Kernproblem
– Warum eine einzelne Aufteilung fehlschlägt
– Was ist Kreuzvalidierung?
– K-Fold-Algorithmus Schritt für Schritt
– K-Fold visualisiert (alle 5 Iterationen)
– Die Mathematik von K-Fold
– Stratified K-Fold erklärt
– Leave-One-Out CV (LOOCV)
– Bias-Varianz-Handel in CV
– Übersicht der CV-Strategien
– Wie man K wählt
– CV in der Praxis: Fehler & Best Practices
– Nested Kreuzvalidierung
– Metriken, Berichterstattung & Interpretation
– Zusammenfassung & Wichtige Erkenntnisse
#kreuzvalidierung #maschinelleslernen #kfold #stratifiedkfold #loocv #nestedcv #datenwissenschaftgrundlagen #modelbewertung #biasvarianz #deeplearning #aiexplained #mlmetriken #overfitting #datenleck #scikitlearn #künstlicheintelligenz #datenvisualisierung #mlgrundlagen #trainingset #vectorshield