{"id":1172,"date":"2023-07-27T10:08:35","date_gmt":"2023-07-27T10:08:35","guid":{"rendered":"https:\/\/statorials.org\/nl\/laat-een-enkele-kruisvalidatie-achter\/"},"modified":"2023-07-27T10:08:35","modified_gmt":"2023-07-27T10:08:35","slug":"laat-een-enkele-kruisvalidatie-achter","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/laat-een-enkele-kruisvalidatie-achter\/","title":{"rendered":"Een korte introductie tot leave-one-out cross-validation (loocv)"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Om de prestaties van een model op een dataset te evalueren, moeten we meten hoe goed de voorspellingen van het model overeenkomen met de waargenomen gegevens.<\/span><\/p>\n<p> <span style=\"color: #000000;\">De meest gebruikelijke manier om dit te meten is met behulp van de gemiddelde kwadratische fout (MSE), die als volgt wordt berekend:<\/span><\/p>\n<p> <span style=\"color: #000000;\">MSE = (1\/n)*\u03a3(y <sub>i<\/sub> \u2013 f(x <sub>i<\/sub> )) <sup>2<\/sup><\/span><\/p>\n<p> <span style=\"color: #000000;\">Goud:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>n:<\/strong> totaal aantal waarnemingen<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>y <sub>i<\/sub> :<\/strong> De responswaarde van de <sup>i-de<\/sup> waarneming<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>f( <sub>xi<\/sub> ):<\/strong> De voorspelde responswaarde van de i- <sup>de<\/sup> waarneming<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Hoe dichter de modelvoorspellingen bij de waarnemingen liggen, hoe lager de MSE zal zijn.<\/span><\/p>\n<p> <span style=\"color: #000000;\">In de praktijk gebruiken we het volgende proces om de MSE van een bepaald model te berekenen:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1.<\/strong> Verdeel een dataset in een trainingsset en een testset.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-11686 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/loocv1.png\" alt=\"Machine learning-training en testen\" width=\"397\" height=\"442\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\"><strong>2.<\/strong> Maak het model met alleen de gegevens uit de trainingsset.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-11688 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/loocv2.png\" alt=\"LOOCV in machinaal leren\" width=\"610\" height=\"464\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\"><strong>3.<\/strong> Gebruik het model om voorspellingen te doen over de testset en de MSE te meten \u2013 dit wordt <strong>test MSE<\/strong> genoemd. <img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-11689 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/loocv3.png\" alt=\"Trainings- of testset\" width=\"638\" height=\"484\" srcset=\"\" sizes=\"auto, \"><\/span><\/p>\n<p> <span style=\"color: #000000;\">MSE-testen geven ons een idee van hoe goed een model presteert op gegevens die het nog niet eerder heeft gezien, dat wil zeggen gegevens die niet zijn gebruikt om het model te \u2018trainen\u2019.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Het nadeel van het gebruik van \u00e9\u00e9n enkele testset is echter dat de MSE-test aanzienlijk kan vari\u00ebren, afhankelijk van de observaties die in de trainings- en testsets worden gebruikt.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Het is mogelijk dat als we een andere set observaties gebruiken voor de trainingsset en de testset, onze test-MSE veel groter of kleiner zou kunnen zijn.<\/span><\/p>\n<p> <span style=\"color: #000000;\">E\u00e9n manier om dit probleem te voorkomen is door een model meerdere keren te passen, waarbij elke keer een andere trainings- en testset wordt gebruikt, en vervolgens de test-MSE te berekenen als het gemiddelde van alle test-MSE&#8217;s.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Deze algemene methode staat bekend als kruisvalidatie en een specifieke vorm ervan staat bekend als <strong>Leave-One-Out kruisvalidatie<\/strong> .<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Leave-One-Out-kruisvalidatie<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\"><strong>Bij Leave-one-out-kruisvalidatie<\/strong> wordt de volgende aanpak gebruikt om een model te evalueren:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1.<\/strong> Splits een dataset op in een trainingsset en een testset, waarbij op \u00e9\u00e9n na alle observaties worden gebruikt als onderdeel van de trainingsset:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-11692 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/loocv4.png\" alt=\"LOOCV\" width=\"448\" height=\"486\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Merk op dat we slechts \u00e9\u00e9n observatie \u2018buiten\u2019 de trainingsset laten. Dit is waar de methode de naam \u201cleave-one-out\u201d kruisvalidatie krijgt.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2.<\/strong> Maak het model met alleen de gegevens uit de trainingsset.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-11693 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/loocv5.png\" alt=\"Een model bouwen met de LOOCV-aanpak\" width=\"651\" height=\"495\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\"><strong>3.<\/strong> Gebruik het model om de responswaarde te voorspellen van de enkele waarneming die is uitgesloten van het model en bereken de MSE.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-11694 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/loocv6.png\" alt=\"Hands-off kruisvalidatie\" width=\"638\" height=\"481\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\"><strong>4.<\/strong> Herhaal het proces <em>n<\/em> keer.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ten slotte herhalen we dit proces <em>n<\/em> keer (waarbij <em>n<\/em> het totale aantal observaties in de dataset is), waarbij we elke keer een andere observatie uit de trainingsset weglaten.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Vervolgens berekenen we de test-MSE als het gemiddelde van alle test-MSE&#8217;s:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>MSE-test = (1\/n)*\u03a3MSE <sub>i<\/sub><\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Goud:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>n:<\/strong> het totale aantal waarnemingen in de dataset<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>MSEi:<\/strong> de MSE-test tijdens de <sup>ide<\/sup> modelfittingperiode.<\/span><\/li>\n<\/ul>\n<h3> <span style=\"color: #000000;\"><strong>Voor- en nadelen van LOOCV<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Leave-one-out kruisvalidatie biedt de volgende <strong>voordelen<\/strong> :<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Het biedt een veel minder vertekende meting van de MSE-test vergeleken met het gebruik van een enkele testset, omdat we herhaaldelijk een model passen bij een dataset die <em>n-1<\/em> waarnemingen bevat.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Het heeft de neiging de MSE van de test niet te overschatten in vergelijking met het gebruik van een enkele testset.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Hands-off kruisvalidatie heeft echter de <strong>volgende nadelen:<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Het gebruik van dit proces kan lang duren als <em>n<\/em> groot is.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Het kan ook tijdrovend zijn als een model bijzonder complex is en het lang duurt om in een dataset te passen.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Dit kan rekenkundig duur zijn.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Gelukkig is het moderne computergebruik op de meeste gebieden zo effici\u00ebnt geworden dat LOOCV een veel redelijker methode is om te gebruiken dan vele jaren geleden.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Merk op dat LOOCV ook kan worden gebruikt in <a href=\"https:\/\/statorials.org\/nl\/regressie-versus-classificatie\/\" target=\"_blank\" rel=\"noopener noreferrer\">regressie- en classificatiecontexten<\/a> . Voor regressieproblemen berekent het de MSE-test als het wortelgemiddelde van het verschil tussen voorspellingen en waarnemingen, terwijl het bij classificatieproblemen de MSE-test berekent als het percentage waarnemingen dat correct is geclassificeerd over de <em>n<\/em> herhaalde aanpassingen van het model.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Hoe LOOCV uit te voeren in R &amp; Python<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">De volgende tutorials bieden stapsgewijze voorbeelden van het uitvoeren van LOOCV voor een bepaald model in R en Python:<\/span><\/p>\n<p> <a href=\"https:\/\/statorials.org\/nl\/laat-een-kruisvalidatie-achter-in-r\/\" target=\"_blank\" rel=\"noopener noreferrer\">Leave-One-Out kruisvalidatie in R<\/a><br \/> <a href=\"https:\/\/statorials.org\/nl\/laat-er-een-kruisvalidatie-plaatsvinden-in-python\/\" target=\"_blank\" rel=\"noopener noreferrer\">Leave-One-Out kruisvalidatie in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Om de prestaties van een model op een dataset te evalueren, moeten we meten hoe goed de voorspellingen van het model overeenkomen met de waargenomen gegevens. De meest gebruikelijke manier om dit te meten is met behulp van de gemiddelde kwadratische fout (MSE), die als volgt wordt berekend: MSE = (1\/n)*\u03a3(y i \u2013 f(x i [&hellip;]<\/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":[],"class_list":["post-1172","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Een korte introductie tot Leave-One-Out Cross-Validation (LOOCV)<\/title>\n<meta name=\"description\" content=\"Deze tutorial biedt een korte introductie tot hands-off kruisvalidatie, een veelgebruikte methode bij machinaal leren.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/nl\/laat-een-enkele-kruisvalidatie-achter\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Een korte introductie tot Leave-One-Out Cross-Validation (LOOCV)\" \/>\n<meta property=\"og:description\" content=\"Deze tutorial biedt een korte introductie tot hands-off kruisvalidatie, een veelgebruikte methode bij machinaal leren.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/nl\/laat-een-enkele-kruisvalidatie-achter\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-27T10:08:35+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/loocv1.png\" \/>\n<meta name=\"author\" content=\"Dr.benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr.benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"3\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/nl\/laat-een-enkele-kruisvalidatie-achter\/\",\"url\":\"https:\/\/statorials.org\/nl\/laat-een-enkele-kruisvalidatie-achter\/\",\"name\":\"Een korte introductie tot Leave-One-Out Cross-Validation (LOOCV)\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/nl\/#website\"},\"datePublished\":\"2023-07-27T10:08:35+00:00\",\"dateModified\":\"2023-07-27T10:08:35+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\"},\"description\":\"Deze tutorial biedt een korte introductie tot hands-off kruisvalidatie, een veelgebruikte methode bij machinaal leren.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/nl\/laat-een-enkele-kruisvalidatie-achter\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/nl\/laat-een-enkele-kruisvalidatie-achter\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/nl\/laat-een-enkele-kruisvalidatie-achter\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Thuis\",\"item\":\"https:\/\/statorials.org\/nl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Een korte introductie tot leave-one-out cross-validation (loocv)\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/nl\/#website\",\"url\":\"https:\/\/statorials.org\/nl\/\",\"name\":\"Statorials\",\"description\":\"Uw gids voor statistische competentie\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/nl\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\",\"name\":\"Dr.benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr.benjamin anderson\"},\"description\":\"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder\",\"sameAs\":[\"http:\/\/statorials.org\/nl\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Een korte introductie tot Leave-One-Out Cross-Validation (LOOCV)","description":"Deze tutorial biedt een korte introductie tot hands-off kruisvalidatie, een veelgebruikte methode bij machinaal leren.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/nl\/laat-een-enkele-kruisvalidatie-achter\/","og_locale":"de_DE","og_type":"article","og_title":"Een korte introductie tot Leave-One-Out Cross-Validation (LOOCV)","og_description":"Deze tutorial biedt een korte introductie tot hands-off kruisvalidatie, een veelgebruikte methode bij machinaal leren.","og_url":"https:\/\/statorials.org\/nl\/laat-een-enkele-kruisvalidatie-achter\/","og_site_name":"Statorials","article_published_time":"2023-07-27T10:08:35+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/loocv1.png"}],"author":"Dr.benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr.benjamin anderson","Gesch\u00e4tzte Lesezeit":"3\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/nl\/laat-een-enkele-kruisvalidatie-achter\/","url":"https:\/\/statorials.org\/nl\/laat-een-enkele-kruisvalidatie-achter\/","name":"Een korte introductie tot Leave-One-Out Cross-Validation (LOOCV)","isPartOf":{"@id":"https:\/\/statorials.org\/nl\/#website"},"datePublished":"2023-07-27T10:08:35+00:00","dateModified":"2023-07-27T10:08:35+00:00","author":{"@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219"},"description":"Deze tutorial biedt een korte introductie tot hands-off kruisvalidatie, een veelgebruikte methode bij machinaal leren.","breadcrumb":{"@id":"https:\/\/statorials.org\/nl\/laat-een-enkele-kruisvalidatie-achter\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/nl\/laat-een-enkele-kruisvalidatie-achter\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/nl\/laat-een-enkele-kruisvalidatie-achter\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Thuis","item":"https:\/\/statorials.org\/nl\/"},{"@type":"ListItem","position":2,"name":"Een korte introductie tot leave-one-out cross-validation (loocv)"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/nl\/#website","url":"https:\/\/statorials.org\/nl\/","name":"Statorials","description":"Uw gids voor statistische competentie","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/nl\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Person","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219","name":"Dr.benjamin anderson","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Dr.benjamin anderson"},"description":"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder","sameAs":["http:\/\/statorials.org\/nl"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/1172","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/comments?post=1172"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/1172\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/media?parent=1172"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/categories?post=1172"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/tags?post=1172"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}