学ぶクロスバリデーション

メニューを表示するにはスワイプしてください

トレイン・テスト分割には2つの欠点があります。

学習データが少なくなるため、モデルの品質が低下する可能性がある；
ランダムな分割に依存するため、結果が不安定になる。これを解決するために、クロスバリデーションを使用します。

まず、全データセットを5つの等しい部分、すなわちフォールドに分割します。

次に、1つのフォールドをテストセットとして使用し、残りのフォールドを組み合わせて学習セットを作成します。

あらゆる評価プロセスと同様に、トレーニングセットはモデルの学習に使用され、テストセットはその性能を測定するために使用されます。

このプロセスは、各フォールドが一度テストセットとして使用され、残りのフォールドがトレーニングセットを構成するように繰り返されます。

交差検証では、分割ごとに複数の精度スコアが得られます。その平均値はモデルの平均的な性能を表します。 Pythonでは、これは cross_val_score() で計算されます。

注意

**任意の分割数（folds）**を選択可能。例えば、10分割の場合は9つで学習し、1つでテストを実施。この設定は、cv の cross_val_score() パラメータで指定。


              1234567891011
            
import pandas as pd
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import cross_val_score

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/penguins_pipelined.csv')
# Assign X, y variables (X is already preprocessed and y is already encoded)
X, y = df.drop('species', axis=1), df['species']
# Print the cross-val scores and the mean for KNeighborsClassifier with 5 neighbors
scores = cross_val_score(KNeighborsClassifier(), X, y)
print(scores)
print(scores.mean())

クロスバリデーションは信頼性が高いが、モデルの学習と評価をn回繰り返すため処理速度は遅くなる。 ハイパーパラメータチューニングで広く利用されており、各ハイパーパラメータ値ごとにクロスバリデーションを実施（例：k-NNで複数のk値をテスト）。これにより、一貫して最も良い性能を示す選択肢を決定可能。

すべて明確でしたか？

フィードバックありがとうございます！

セクション 4. 章 4

AIに質問する

何でも質問するか、提案された質問の1つを試してチャットを始めてください

セクション 4. 章 4