Erstellen Sie ein Konto, um KI zu nutzen

Erstellen Sie ein kostenloses Konto, um alle Funktionen freizuschalten:

Stellen Sie Fragen zu Videos mit KI
Nutzen Sie die intelligente Suche (KI)
Speichern Sie Ihre Lieblingsvideos
Markieren Sie Ihre Lieblingskategorien
Organisieren Sie Ihre Lieblingsunterkategorien
Greifen Sie auf Ihre personalisierte Favoritenseite zu
Greifen Sie auf Ihren Gesprächsverlauf zu
Personalisieren Sie Ihre Startseite mit Ihren Favoriten

Konto erstellen

Haben Sie bereits ein Konto? Anmelden

Hindi-Arten der Kreuzvalidierung im maschinellen Lernen|Krish Naik

Krish Naik Hindi

Kreuzvalidierung, auch als Out-of-Sampling-Technik bezeichnet, ist ein wesentlicher Bestandteil eines Data-Science-Projekts. Es handelt sich um ein Resampling-Verfahren, das zur Bewertung von Modellen des maschinellen Lernens verwendet wird und darauf abzielt, wie das Modell bei einem unabhängigen Testdatensatz abschneiden wird. Im Folgenden sind die Arten der Kreuzvalidierung aufgeführt.

Leave-One-Out-Kreuzvalidierung

Holdout-Kreuzvalidierung

Wiederholte zufällige Subsampling-Validierung

k-fache Kreuzvalidierung

Stratifizierte k-fache Kreuzvalidierung

Zeitreihen-Kreuzvalidierung

#kreuzvalidierung #maschinelleslernen #datascience

github: https://github.com/krishnaik06/Machine-Learning-Algorithms-Materials

Abonnieren Sie den @krishnaik06-Kanal für Data-Science-Videos auf Englisch.

Kanal-Link: https://bit.ly/3aeve4r

ML-Playlist auf Hindi: https://bit.ly/3NaEjJX

Statistik-Playlist auf Hindi: https://bit.ly/3tw6k7d

Python-Playlist auf Hindi: https://bit.ly/3azScTI

Verbinden Sie sich hier mit mir:

Twitter: https://twitter.com/Krishnaik06

Facebook: https://www.facebook.com/krishnaik06

Instagram: https://www.instagram.com/krishnaik06

Hindi-Arten der Kreuzvalidierung im maschinellen Lernen|Krish Naik | Knoovi