Validación cruzada en aprendizaje automático

En el aprendizaje automático, no pudimos ajustar el modelo a los datos de entrenamiento y no podemos decir que el modelo funcionará con precisión para los datos reales. Para esto, debemos asegurarnos de que nuestro modelo obtuvo los patrones correctos de los datos y que no genera demasiado ruido. Para ello utilizamos la técnica de validación cruzada.

# This code may not be run on GFG IDE 
# as required packages are not found. 
  
# importing cross-validation from sklearn package.
from sklearn import cross_validation
  
# value of K is 10.
data = cross_validation.KFold(len(train_set), n_folds=10, indices=False)

Publicación traducida automáticamente

Artículo escrito por Abhishek Sharma 44 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *