Sklearnの交差検証の可視化:K-Fold、シャッフル&スプリット、および時系列スプリット

Sklearnの交差検証の可視化

Sklearn K-Fold、Shuffle & Split、およびTime Series Splitのクロスバリデーションのプロセスを可視化し、Pythonを使用して検証結果を表示する

写真:Ryoji Iwata氏撮影、Unsplashより引用

クロスバリデーションとは?

基本的に、クロスバリデーションは学習アルゴリズムを評価するための統計的手法です。分析を実行するために、固定数のフォールド(データのグループ)が設定されます。これらのフォールドは、トレーニングセットとテスト(検証)セットにデータをグループ化し、ラウンドごとに交差します。これにより、各データポイントを検証することができます。

主な目的は、モデルが作成に使用されなかった独立したデータを予測する能力をテストすることです。また、オーバーフィッティングや選択バイアスなどの問題に対処するのにも役立ちます。

この記事のクロスバリデーションの結果の例。画像:著者撮影

この記事では、Scikit Learnライブラリの3つのクロスバリデーションのプロセスを可視化するためにPythonを適用します:

  • K-Foldクロスバリデーション
  • Shuffle & Splitクロスバリデーション
  • Time Series Splitクロスバリデーション

さらに、検証結果もプロットして洞察力のある情報を表現することができます。

さあ、始めましょう

1. K-Foldクロスバリデーション

K-Foldはクロスバリデーションの一般的な方法です。まず、すべてのデータをフォールドに分割します。次に、トレーニングセット(k-1フォールド)から学習モデルを作成し、テストセット(残りのフォールド)を検証に使用します。

通常、K-Foldクロスバリデーションから得られるフォールドはできるだけ均等に分割されます。次に、K-Foldクロスバリデーションのプロセスを見ていきます。

ライブラリのインポートとデータの読み込み

例えば、この記事ではSklearnライブラリからダウンロードできるワインデータセットを使用します。このデータセットは、CC BY 4.0ライセンスの下でのUCI MLワインデータのコピーです。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

人工知能

Aaron Lee、Smith.aiの共同設立者兼CEO - インタビューシリーズ

アーロン・リーさんは、Smith.aiの共同創業者兼CEOであり、AIと人間の知性を組み合わせて、24時間365日の顧客エンゲージメン...

人工知能

「Kognitosの創設者兼CEO、ビニー・ギル- インタビューシリーズ」

ビニー・ギルは、複数の役職と企業を横断する多様で幅広い業務経験を持っていますビニーは現在、Kognitosの創設者兼CEOであり...

機械学習

3つの質問:大規模言語モデルについて、Jacob Andreasに聞く

CSAILの科学者は、最新の機械学習モデルを通じた自然言語処理の研究と、言語が他の種類の人工知能をどのように高めるかの調査...

人工知能

エンテラソリューションズの創設者兼CEO、スティーブン・デアンジェリス- インタビューシリーズ

スティーブン・デアンジェリスは、エンタラソリューションズの創設者兼CEOであり、自律的な意思決定科学(ADS®)技術を用いて...

人工知能

「ナレ・ヴァンダニャン、Ntropyの共同創設者兼CEO- インタビューシリーズ」

Ntropyの共同創設者兼CEOであるナレ・ヴァンダニアンは、開発者が100ミリ秒未満で超人的な精度で金融取引を解析することを可...

データサイエンス

「3つの質問:ロボットの認識とマッピングの研磨」

MIT LIDSのLuca CarloneさんとJonathan Howさんは、将来のロボットが環境をどのように知覚し、相互作用するかについて議論し...