Özet - Cross-validation

Bu grupta k-fold cross-validation ve cross_val_score'u öğrendin.

Özet: çapraz doğrulama

Bu grupta:

CV tek bölmenin şansını ortadan kaldırır; sonuç ortalama ± standart sapmadır.
KFold, StratifiedKFold, GroupKFold, TimeSeriesSplit: bölücü verinin gerçek kullanımını taklit etmeli.
cross_val_score, cross_validate (çoklu metrik, eğitim skoru), cross_val_predict (katman dışı tahmin).
Tekrarlı CV kararlılık, iç içe CV seçim dahil dürüst skor verir.

Test kümesi CV'den sonra da yalnızca bir kez, en sonda kullanılır.

Uygulama Zaman serisi CV

20 adımlık X için TimeSeriesSplit(n_splits=4) katmanlarını gez. Her satırda eğitim kümesinin boyutunu ve doğrulama indekslerinin ilk ve son değerini yazdır.

Örnek çözümü göster

import numpy as np
from sklearn.model_selection import TimeSeriesSplit

X = np.arange(20).reshape(-1, 1)

for egitim, dogrulama in TimeSeriesSplit(n_splits=4).split(X):
    print(len(egitim), dogrulama[0], dogrulama[-1])

Kendini test et

Müşteri başına birden çok işlem içeren veride doğru bölücü hangisidir?
- KFold
- LeaveOneOut
- Bölmeye gerek yok
- GroupKFold (müşteri kimliğine göre)
Cevabı göster

GroupKFold (müşteri kimliğine göre) — Aynı müşterinin işlemleri ayrı katmanlara düşerse model müşteriyi ezberler.
Zaman sırasını koruyan bölücüyü kullan.
```
cv = ____(n_splits=5)
```
Cevabı göster
```
cv = TimeSeriesSplit(n_splits=5)
```
Çıktıları eşleştir.

cross_val_score

Skor dizisi
cross_validate

Sözlük
cross_val_predict

Tahmin dizisi
get_n_splits

Katman sayısı

Sıradaki ders: Grid search nedir?

Deneyiminizi Geliştiriyoruz

Çerez Tercihleri

Kesinlikle Gerekli Çerezler

Analitik Çerezler