Извод, оценка и вземане на решения от данни
Не можете да съдите за модела по неговата тренировъчна грешка; той вече е видял тези данни, така че може да „мами“ чрез наизустяване. Имате нужда от грешката му върху данни, които никога не е виждал. Оставянето на един фиксиран тестов набор (hold-out set) обаче прахосва данни и дава шумна оценка. Кръстосаното валидиране (Cross-validation) решава и двата проблема.
🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.
▶ Кръстосано валидиране