1. Set di addestramento<\/strong> : utilizzato per addestrare il modello.<\/span><\/p>\n 2. Set di validazione<\/strong> : utilizzato per ottimizzare i parametri del modello.<\/span><\/p>\n 3. Set di test<\/strong> : utilizzato per ottenere una stima imparziale delle prestazioni del modello finale.<\/span><\/p>\n Il diagramma seguente fornisce una spiegazione visiva di questi tre diversi tipi di set di dati:<\/span> <\/p>\n Un punto di confusione per gli studenti \u00e8 la differenza tra il set di validazione e il set di test.<\/span><\/p>\n In poche parole, il set di validazione<\/strong> viene utilizzato per ottimizzare i parametri del modello mentre il set di test<\/strong> viene utilizzato per fornire una stima imparziale del modello finale.<\/span><\/p>\n \u00c8 possibile dimostrare che il tasso di errore misurato dalla convalida incrociata k-fold tende a sottostimare il tasso di errore reale una volta applicato il modello a un set di dati invisibile.<\/span><\/p>\n Pertanto, adattiamo il modello finale al set di test<\/strong> per ottenere una stima imparziale di quale sar\u00e0 il vero tasso di errore nel mondo reale.<\/span><\/p>\n L’esempio seguente illustra la differenza tra un set di validazione e un set di test nella pratica.<\/span><\/p>\n Supponiamo che un investitore immobiliare voglia utilizzare (1) il numero di camere da letto, (2) il numero totale di metri quadrati e (3) il numero di bagni per prevedere il prezzo di vendita di una determinata casa.<\/span><\/p>\n Supponiamo che abbia un set di dati con queste informazioni su 10.000 case. Innanzitutto, suddivider\u00e0 il set di dati in un set di addestramento di 8.000 case e un set di test di 2.000 case:<\/span> <\/p>\n Quindi adatter\u00e0 un modello di regressione lineare multipla al set di dati quattro volte. Utilizzer\u00e0 ogni volta 6.000 case per il training set e 2.000 case per il validation set.<\/span><\/p>\n Questa \u00e8 chiamata convalida incrociata k-fold.<\/strong><\/span><\/p>\n Il set di training viene utilizzato per addestrare il modello e il set di convalida viene utilizzato per valutare le prestazioni del modello. Utilizzer\u00e0 ogni volta un gruppo diverso di 2.000 case per il set di convalida.<\/span> <\/p>\n Pu\u00f2 eseguire questa convalida incrociata k-fold su diversi tipi di modelli di regressione per identificare il modello che presenta l’errore pi\u00f9 basso (ovvero identificare il modello che meglio si adatta al set di dati).<\/span><\/p>\n Solo una volta identificato il modello migliore utilizzer\u00e0 il set di test di 2.000 case presentato all’inizio per ottenere una stima imparziale delle prestazioni finali del modello.<\/span> <\/p>\n Ad esempio, potrebbe identificare un tipo specifico di modello di regressione il cui errore medio assoluto \u00e8 8.345<\/strong> . Cio\u00e8, la differenza media assoluta tra il prezzo delle case previsto e il prezzo effettivo delle case \u00e8 di $ 8.345.<\/span><\/p>\n Pu\u00f2 quindi adattare questo esatto modello di regressione all’insieme di test di 2.000 case che non \u00e8 stato ancora utilizzato e scoprire che l’errore medio assoluto del modello \u00e8 8,847<\/strong> .<\/span><\/p>\n Pertanto, la stima imparziale del vero errore medio assoluto del modello \u00e8 di $ 8.847.<\/span><\/p>\n Una semplice guida alla convalida incrociata di K-Fold<\/a> Ogni volta che adattiamo un algoritmo di machine learning a un set di dati, in genere dividiamo il set di dati in tre parti: 1. Set di addestramento : utilizzato per addestrare il modello. 2. Set di validazione : utilizzato per ottimizzare i parametri del modello. 3. Set di test : utilizzato per ottenere una […]<\/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 Esempio: comprendere la differenza tra set di convalida e set di test<\/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 Risorse addizionali<\/strong><\/span><\/h3>\n
Come eseguire la convalida incrociata K-Fold in Python<\/a>
Come eseguire la convalida incrociata K-Fold in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"