Cross-Validation
La validation croisée découpe les données en K blocs, entraîne sur K-1 et valide sur le restant en rotation, afin d'évaluer la généralisation avec une variance réduite.
Objectif
Évaluer robustement la généralisation du modèle et sélectionner les hyperparamètres.
Mécanisme
K-fold : découper les données en K parties, entraîner sur K-1 et valider sur 1 en rotation, puis moyenner les K erreurs. Le K-fold stratifié préserve les ratios de classes. Leave-one-out (LOO) est le cas particulier K=N. La CV imbriquée combine sélection d'hyperparamètres et estimation de performance.
Cas d’usage
- Évaluation de modèles
- Réglage d'hyperparamètres
- Estimation de la généralisation