La validation croisée, également appelée technique de sous-échantillonnage, est un élément essentiel d'un projet de science des données. C'est une procédure de rééchantillonnage utilisée pour évaluer les modèles d'apprentissage automatique et déterminer comment le modèle se comportera pour un ensemble de données de test indépendant. Voici les types de validation croisée.
Validation croisée leave-one-out
Validation croisée holdout
Validation par sous-échantillonnage aléatoire répété
Validation croisée k-fold
Validation croisée k-fold stratifiée
Validation croisée de séries temporelles
#validationcroisée #apprentissageautomatique #sciencedesdonnées
Abonnez-vous au @krishnaik06 pour des vidéos de science des données en anglais.
Connectez-vous avec moi ici :