Inférence, estimation et prise de décision à partir des données
Vous ne pouvez pas juger un modèle par son erreur d'entraînement ; il a déjà vu ces données, donc il peut tricher en mémorisant. Vous avez besoin de son erreur sur des données qu'il n'a jamais vues. Mais garder de côté un seul jeu de test gaspille des données et donne une estimation bruitée. La validation croisée résout les deux problèmes.
🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.
▶ Validation Croisée