اذهب إلى المحتوى
  • 0

سؤال نظري: متى لا يصلح عمل cross validation مع البيانات؟

Arabic Language

السؤال

Recommended Posts

  • 1

مرحبا,

إن تقنية Cross Validation لها العديد من طرق التطبيق (اي انواع جزئية منها)

1- Leave-one-out cross validation.
2- k-fold cross validation.
3- hold-out cross validation.

وهذه التقنيات جميعها يتبع استخدامها لعدد ال Data Sets لديك حيث يتم الاختيار بينها لتعطى أداء جيد بالنسبة لكلفة العمليات الحسابية و زمن التنفيذ.

Let m be the number of samples in your dataset.// m بفرض لديك عدد من مجموعات البيانات عددهم 

// الحالة الأولى
If m≤20 use Leave-one-out cross validation. 

// الحالة الثانية
If 20<m≤100 use k-fold cross validation with a relatively large k≤m
keeping in mind computational cost. // مع الإبقاء بالذهن كلفة العمليات الحسابية


// الحالة الثالثة
If 100<m≤1,000,000 use regular k-fold cross validation (k=5).
Or, if there is not enough computational power and m>10,000,
use hold-out cross validation.

// الحالة الرابعة
If m≥1,000,000 use hold-out cross validation,
but if computational power is available you can use k-fold cross validation (k=5)
if you want to squeeze that extra performance out of your model.

مرفقات الملف : صور رسومية توضيحية لعمل Cross Validation.

Cross Validation: هي عملية تجزئة البيانات التي سنعتمد عليها لإجراء تدريب و اختبار للنموذج الذي سنعتمده لتصنيف البيانات.

تقوم بالاعتماد على عدد من البيانات الجزئية و التبديل بينها في طوري التدريب و الاختبار و لها عدة أنواع كما ذكرت سابقا.

 

لايوجد إجابة دقيقة لسؤالك وهو يحتاج لمختصين للإجابة عليه (مختصي التنقيب عن البيانات) و (خبراء نمذجة و تحليل البيانات)

و عملية اختيار نمط التدريب و الإختبار تتبع للحالة الخاصة التي لديك.

مصادر قرأتها يمكنك الاستفادة منها:

1- https://www.researchgate.net/post/What_is_the_purpose_of_performing_cross-validation

2- https://stats.stackexchange.com/questions/104713/hold-out-validation-vs-cross-validation/104750#104750

3- https://stats.stackexchange.com/questions/104713/hold-out-validation-vs-cross-validation

4- https://stats.stackexchange.com/questions/320154/when-not-to-use-cross-validation?fbclid=IwAR3qJQ8GDaRYka9g90MTSk0XCS5OoNQ8yXlLEaHEBlGTWAMrkhMNnXK81kI

 

cross_validation.png

k-fold cross validation.jpeg

رابط هذا التعليق
شارك على الشبكات الإجتماعية

انضم إلى النقاش

يمكنك أن تنشر الآن وتسجل لاحقًا. إذا كان لديك حساب، فسجل الدخول الآن لتنشر باسم حسابك.

زائر
أجب على هذا السؤال...

×   لقد أضفت محتوى بخط أو تنسيق مختلف.   Restore formatting

  Only 75 emoji are allowed.

×   Your link has been automatically embedded.   Display as a link instead

×   جرى استعادة المحتوى السابق..   امسح المحرر

×   You cannot paste images directly. Upload or insert images from URL.

  • إعلانات

  • تابعنا على



×
×
  • أضف...