Kreuzvalidierung im maschinellen Lernen ist eine gute Methode, um ein Modell zu bewerten. Die Funktion cross_val_score() wird verwendet, um die Kreuzvalidierung des Modells zu erhalten. Bei jeder Iteration erstellt der Code eine Kopie des Klassifikators, trainiert diese Kopie mit den Trainingsfalten und trifft Vorhersagen für die Testfalten. Dann zählt er die Anzahl der korrekten Vorhersagen und gibt das Verhältnis der korrekten Vorhersagen aus. Denken Sie daran, dass K-fache Kreuzvalidierung bedeutet, den Trainingssatz in K-Falten (in diesem Fall drei) zu unterteilen. Dann werden Vorhersagen getroffen und diese auf jeder Falte unter Verwendung eines Modells auf den verbleibenden Falten bewertet.
Die Verwirrungsmatrix im maschinellen Lernen ist die quadratische Kontingenzmatrix, bei der die Zeilen und Spalten einer Liste von Klassen entsprechen. Sie wird verwendet, um die Genauigkeit der Klassifikation zu bewerten. Manchmal wird sie auch Fehlermatrix genannt. Per Definition ist der Eintrag x und y in der Verwirrungsmatrix die Anzahl der Beobachtungen, die tatsächlich in Gruppe x sind, aber als in Gruppe y vorhergesagt wurden.
#maschinelleslernen #kreuzvalidierung #verwirrungsmatrix