1. Training set<\/strong> : digunakan untuk melatih model.<\/span><\/p>\n 2. Set validasi<\/strong> : digunakan untuk mengoptimalkan parameter model.<\/span><\/p>\n 3. Set pengujian<\/strong> : digunakan untuk memperoleh estimasi kinerja model akhir yang tidak bias.<\/span><\/p>\n Diagram berikut memberikan penjelasan visual tentang ketiga tipe kumpulan data yang berbeda ini:<\/span> <\/p>\n Salah satu hal yang membingungkan siswa adalah perbedaan antara set validasi dan set tes.<\/span><\/p>\n Sederhananya, set validasi<\/strong> digunakan untuk mengoptimalkan parameter model, sedangkan set pengujian<\/strong> digunakan untuk memberikan estimasi model akhir yang tidak bias.<\/span><\/p>\n Dapat ditunjukkan bahwa tingkat kesalahan yang diukur dengan validasi silang k-fold cenderung meremehkan tingkat kesalahan sebenarnya setelah model diterapkan pada kumpulan data yang tidak terlihat.<\/span><\/p>\n Oleh karena itu, kami menyesuaikan model akhir ke set pengujian<\/strong> untuk mendapatkan perkiraan yang tidak bias tentang tingkat kesalahan sebenarnya di dunia nyata.<\/span><\/p>\n Contoh berikut mengilustrasikan perbedaan antara set validasi dan set pengujian dalam praktiknya.<\/span><\/p>\n Katakanlah seorang investor real estate ingin menggunakan (1) jumlah kamar tidur, (2) jumlah total kaki persegi, dan (3) jumlah kamar mandi untuk memprediksi harga jual suatu rumah.<\/span><\/p>\n Katakanlah dia memiliki kumpulan data dengan informasi tentang 10.000 rumah. Pertama, dataset akan dibagi menjadi set pelatihan yang terdiri dari 8.000 rumah dan set pengujian yang terdiri dari 2.000 rumah:<\/span> <\/p>\n Kemudian model regresi linier berganda akan disesuaikan dengan kumpulan data sebanyak empat kali. Ini akan menggunakan 6.000 rumah untuk set pelatihan dan 2.000 rumah untuk set validasi setiap kali.<\/span><\/p>\n Ini disebut validasi k-fold cross.<\/strong><\/span><\/p>\n Set pelatihan digunakan untuk melatih model dan set validasi digunakan untuk mengevaluasi performa model. Ini akan menggunakan kelompok berbeda yang terdiri dari 2.000 rumah setiap kali untuk set validasi.<\/span> <\/p>\n Ia dapat melakukan validasi silang k-fold pada beberapa jenis model regresi yang berbeda untuk mengidentifikasi model yang memiliki kesalahan terendah (yaitu mengidentifikasi model yang paling sesuai dengan kumpulan data).<\/span><\/p>\n Hanya setelah mereka mengidentifikasi model terbaik, mereka akan menggunakan set pengujian 2.000 rumah yang disajikan di awal untuk mendapatkan perkiraan kinerja akhir model yang tidak bias.<\/span> <\/p>\n Misalnya, hal ini dapat mengidentifikasi jenis model regresi tertentu yang rata-rata kesalahan absolutnya adalah 8,345<\/strong> . Artinya, perbedaan absolut rata-rata antara perkiraan harga rumah dan harga rumah sebenarnya adalah $8,345.<\/span><\/p>\n Dia kemudian dapat menyesuaikan model regresi yang tepat ini dengan pengujian terhadap 2.000 rumah yang belum digunakan dan menemukan bahwa rata-rata kesalahan absolut model tersebut adalah 8,847<\/strong> .<\/span><\/p>\n Jadi, estimasi tidak bias dari kesalahan absolut rata-rata sebenarnya dari model adalah $8,847.<\/span><\/p>\n Panduan Sederhana untuk Validasi Silang K-Fold<\/a> Setiap kali kami mengadaptasi algoritme pembelajaran mesin ke kumpulan data, kami biasanya membagi kumpulan data menjadi tiga bagian: 1. Training set : digunakan untuk melatih model. 2. Set validasi : digunakan untuk mengoptimalkan parameter model. 3. Set pengujian : digunakan untuk memperoleh estimasi kinerja model akhir yang tidak bias. Diagram berikut memberikan penjelasan visual tentang […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/test_val1.png\")
<\/p>\n Contoh: Memahami perbedaan antara set validasi dan set pengujian<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/test_val2.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/test_val3.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/test_val4.png\")
<\/p>\n Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara melakukan validasi silang K-Fold dengan Python<\/a>
Cara melakukan validasi silang K-Fold di R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"