Cross-Validation
Kreuzvalidierung teilt Daten in K Folds, trainiert auf K-1 und validiert auf dem verbleibenden im Wechsel, um Generalisierung mit reduzierter Varianz zu bewerten.
Zweck
Modellgeneralisierung robust bewerten und Hyperparameter auswählen.
Mechanismus
K-Fold: Daten in K Teile splitten, auf K-1 trainieren und auf 1 validieren, im Wechsel, dann die K Fehler mitteln. Stratified K-Fold erhält Klassenverhältnisse. Leave-One-Out (LOO) ist der Spezialfall K=N. Nested CV kombiniert Hyperparameterauswahl mit Leistungsschätzung.
Anwendungsfälle
- Modellevaluation
- Hyperparameter-Tuning
- Generalisierungsschätzung