A Validação Cruzada em aprendizado de máquina é uma boa maneira de avaliar um modelo, utilizando a validação cruzada. A função cross_val_score() é usada para obter a validação cruzada do modelo. A cada iteração, o código cria uma cópia do classificador, treina essa cópia com os conjuntos de treinamento e faz previsões no conjunto de teste. Em seguida, conta o número de previsões corretas e apresenta a proporção de previsões corretas. Lembre-se de que a validação cruzada K-fold significa dividir o conjunto de treinamento em K partes (neste caso, três). Depois, faz previsões e as avalia em cada parte usando um modelo nos conjuntos restantes.
A Matriz de Confusão em aprendizado de máquina é a matriz de contingência quadrada onde as linhas e colunas correspondem a uma lista de classes. Ela é usada para avaliar a precisão da classificação. Às vezes, é chamada de matriz de erro. Por definição, a entrada x e y na matriz de confusão é o número de observações que realmente estão no grupo x, mas foram previstas para estar no grupo y.
#aprendizado de máquina #validaçãocruzada #matrizdeconfusão