Cross-Validation
Categoria
Fundamentos de IA
Cross-Validation e uma tecnica de avaliacao de modelos que divide os dados em K partes, treinando e testando K vezes para obter uma estimativa robusta do desempenho. O mais comum e o K-Fold com K=5 ou K=10.
Categoria
Fundamentos de IA
Compartilhar
O que e Cross-Validation?
Cross-Validation (Validacao Cruzada) e uma tecnica estatistica usada para avaliar a capacidade de generalizacao de um modelo de ML. Em vez de dividir os dados em apenas um conjunto de treino e teste, os dados sao divididos em K partes (folds) e o modelo e treinado e avaliado K vezes.
K-Fold Cross-Validation
- Dados sao divididos em K partes iguais
- Em cada iteracao, uma parte e usada para teste e K-1 para treino
- O desempenho final e a media das K avaliacoes
- Valores comuns: K=5 ou K=10
Variantes
- Stratified K-Fold: mantem proporcao das classes em cada fold
- Leave-One-Out (LOO): K = numero de amostras
- Time Series Split: respeita ordem temporal dos dados
Beneficios
A cross-validation fornece uma estimativa mais confiavel e menos enviesada do desempenho do modelo, sendo essencial para comparacao justa entre algoritmos. Na Trilion, cross-validation e pratica obrigatoria antes de colocar qualquer modelo em producao.
