-fold cross-validation[edit]This is

-fold cross-validation[edit]
This is the simplest variation of k-fold cross-validation. Also, called holdout method.[7] For each fold, we randomly assign data points to two sets d0 and d1, so that both sets are equal size (this is usually implemented by shuffling the data array and then splitting it in two). We then train on d0 and test on d1, followed by training on d1 and testing on d0.

This has the advantage that our training and test sets are both large, and each data point is used for both training and validation on each fold.

Kết quả (Việt) 1:

-gấp xác nhận đường [sửa]Đây là các biến thể đơn giản nhất của k-gấp cross-xác nhận. Ngoài ra, được gọi là phương pháp holdout.[7] cho mỗi màn hình đầu tiên, chúng tôi ngẫu nhiên gán điểm dữ liệu cho hai bộ d0 và d1, để cả hai bộ có bằng kích thước (điều này thường được thực hiện bởi shuffling các mảng dữ liệu và sau đó chia tách nó thành 2). Chúng tôi sau đó đào tạo ngày d0 và thử nghiệm trên đường d1, theo sau là đào tạo trên tuyến đường d1 và thử nghiệm trên d0.Điều này có lợi thế của chúng tôi đào tạo và thử nghiệm bộ là cả hai lớn, và mỗi điểm dữ liệu được sử dụng cho cả đào tạo và xác nhận trên mỗi màn hình đầu tiên.

Kết quả (Việt) 2:

-fold qua xác nhận [sửa]
Đây là biến thể đơn giản nhất của k-fold cross-validation. Ngoài ra, được gọi là phương pháp người hết. [7] Đối với mỗi lần, chúng tôi chỉ định ngẫu nhiên các điểm dữ liệu để hai bộ d0 và d1, vì vậy mà cả hai bộ là kích thước bằng nhau (điều này thường được thực hiện bằng cách xáo trộn các mảng dữ liệu và sau đó tách nó trong hai). Sau đó chúng tôi huấn luyện d0 và thử nghiệm trên d1, tiếp theo là đào tạo về d1 và thử nghiệm trên d0. Điều này có lợi thế mà đào tạo và thử nghiệm bộ của chúng tôi đều lớn, và mỗi điểm dữ liệu được sử dụng cho cả đào tạo và xác nhận trên mỗi lần.