MachineLearning_교차 검증

1. Hold-out

학습 데이터 일부를 검증 데이터로 사용하는 방법을 홀드 아웃 교차 검증이라고 한다.

검증 데이터는 모델 학습에 사용되지 않은 데이터이므로 모델의 일반화 성능을 평가하는데 쓰인다.

검증 정확도가 훈련 정확도보다 낮기 때문에 훈련 데이터에 과대적합이 발생되었다. 

즉 , 새로운 데이터 성능과 예측력이 낮아진다.

 

 

2. K-fold

K-fold 교차 검증은 홀드아웃 방법을 여러 번 반복하는 방법이다.

전체 데이터를 k개의 부분 집합으로 나누고, 그 중에서 첫 번째 부분 집합을 검증용으로 사용하고 나머지 k-1개의 집합을 모델 훈련에 사용한다. 그 다음 두번째 부분집합(Fold2)을 검증용으로 사용하여 모델 성능을 평가한다.

데이터를 서로 겹치지 않게 분할하여 모두 k번 검증하므로 모델 일반화 성능 평가에 홀드아웃보다 적합하다.

 

---

출처: book.naver.com/bookdb/book_detail.nhn?bid=17597510