Cross-Validation
La validación cruzada divide los datos en K particiones, entrenando con K-1 y validando con la restante de forma rotatoria, para evaluar la generalización con varianza reducida.
Propósito
Evaluar de forma robusta la generalización del modelo y seleccionar hiperparámetros.
Mecanismo
K-fold: dividir los datos en K partes, entrenar con K-1 y validar con 1 en rotación, luego promediar los K errores. El K-fold estratificado preserva las proporciones de clase. Leave-one-out (LOO) es el caso especial K=N. La CV anidada combina selección de hiperparámetros con estimación de rendimiento.
Casos de uso
- Evaluación de modelos
- Ajuste de hiperparámetros
- Estimación de la generalización