Construire des modèles d'apprentissage automatique est un élément important de la modélisation prédictive. Cependant, sans validation appropriée du modèle, la confiance que le modèle entraîné généralisera bien sur des données non vues ne peut jamais être élevée. La validation du modèle aide à garantir que le modèle fonctionne bien sur de nouvelles données et aide à sélectionner le meilleur modèle, les paramètres et les métriques de précision.
Dans ce guide, nous allons apprendre les bases et l'implémentation de plusieurs techniques de validation de modèle, mentionnées ci-dessous :
#validationcroisée
Validation Hold Out
Validation croisée K-fold.
Validation croisée K-fold stratifiée
Validation croisée Leave One Out.
Répartitions aléatoires répétées Test-Train
Abonnez-vous à ma chaîne de vlogging
Veuillez faire un don si vous souhaitez soutenir la chaîne via GPay UPID,
Gpay : krishnaik06@okicici
Veuillez rejoindre ma chaîne en tant que membre pour obtenir des avantages supplémentaires tels que des matériaux en Data Science, des diffusions en direct pour les membres et bien plus encore
Connectez-vous avec moi ici :