La validación cruzada, también conocida como técnica de muestreo fuera de la muestra, es un elemento esencial de un proyecto de ciencia de datos. Es un procedimiento de remuestreo utilizado para evaluar modelos de aprendizaje automático y acceder a cómo se desempeñará el modelo en un conjunto de datos de prueba independiente. A continuación se presentan los tipos de validación cruzada.
Validación cruzada dejando uno fuera
Validación cruzada de retención
Validación de subsampling aleatorio repetido
Validación cruzada k-fold
Validación cruzada k-fold estratificada
Validación cruzada de series temporales
#validacioncruzada #aprendizajeautomático #cienciadedatos
Suscríbete al canal @krishnaik06 para videos de ciencia de datos en inglés.
Conéctate conmigo aquí: