Apa itu Holdout Set? Kadang-kadang disebut sebagai data "pengujian", subset ketidaksepakatan memberikan estimasi akhir performa model pembelajaran mesin setelah dilatih dan divalidasi. Holdout set tidak boleh digunakan untuk membuat keputusan tentang algoritma mana yang akan digunakan atau untuk meningkatkan atau menyetel algoritma.
Apakah validasi silang lebih baik daripada ketidaksepakatan?
Cross-validation biasanya merupakan metode yang disukai karena memberikan model Anda kesempatan untuk berlatih pada beberapa pemisahan uji kereta. Ini memberi Anda indikasi yang lebih baik tentang seberapa baik kinerja model Anda pada data yang tidak terlihat. Hold-out, di sisi lain, bergantung hanya pada satu split uji kereta.
Apa itu pendekatan holdout?
Holdout Method adalah metode paling sederhana untuk mengevaluasi classifier. Dalam metode ini, set data (kumpulan item data atau contoh) dipisahkan menjadi dua set, yang disebut set Pelatihan dan set Tes. Pengklasifikasi melakukan fungsi menugaskan item data dalam koleksi yang diberikan ke kategori atau kelas target.
Haruskah saya selalu melakukan validasi silang?
Secara umum validasi silang selalu diperlukan ketika Anda perlu menentukan parameter optimal model, untuk regresi logistik ini akan menjadi parameter C.
Apa keuntungan dari validasi silang K-fold?
jika Anda membandingkan tes-MSE lebih baik dalam kasus k-fold CV daripada LOOCV. k-fold CV atau CV atau metode resampling apa pun tidakmemperbaiki kesalahan pengujian. mereka memperkirakan kesalahan pengujian. dalam kasus k-fold, itu pekerjaan estimasi kesalahan yang lebih baik daripada LOOCV.
