Deutsch
Menü

Was ist Kreuzvalidierung?

Ein Verfahren, das die Daten in k Gruppen aufteilt, mit allen Gruppen außer einer trainiert und mit der verbleibenden bewertet, dies k-mal mit wechselnder Bewertungsgruppe wiederholt und die Leistung des Modells als Mittelwert der k Bewertungen abschätzt (k-fache Kreuzvalidierung). Jeder Datenpunkt wird genau einmal zur Bewertung verwendet; begrenzte Daten werden so effizient genutzt, und die Schwankung der Bewertung durch die zufällige Aufteilung der Daten wird verringert. Es dient zum Abstimmen von Hyperparametern und zur Modellauswahl, bei etwa k-fachem Rechenaufwand.

Japanische Bezeichnung: 交差検証

„Kreuzvalidierung“ kommt in 2 Übungsfragen aus 1 Themen vor, z. B. Grundlagen des maschinellen Lernens.

Fachgebiet: Grundlagen des maschinellen Lernens

Jetzt üben: Fragen zu Kreuzvalidierung

Bei einer 5-fachen Kreuzvalidierung (k-fache Kreuzvalidierung mit k = 5) mit 1000 Datenpunkten: Wie viele Datenpunkte werden in jedem Durchgang zum Training verwendet?

  1. A200
  2. B800
  3. C1000
Antwort und Erläuterung anzeigen

Antwort: B. 800

Bei der k-fachen Kreuzvalidierung werden die Daten in k Gruppen aufgeteilt; eine dient der Bewertung, die übrigen k − 1 dem Training. Das wird k-mal wiederholt, wobei die Bewertungsgruppe wechselt, und der Mittelwert der k Bewertungen gilt als Leistung des Modells. Bei 5 Gruppen umfasst jede 1000 ÷ 5 = 200 Datenpunkte; jeder Durchgang trainiert also mit 200 × 4 = 800 Datenpunkten, und es wird 5-mal trainiert. Jeder Datenpunkt wird genau einmal zur Bewertung verwendet, sodass sich die Leistung auch mit wenigen Daten stabil abschätzen lässt.

„Kreuzvalidierung“ in den Erläuterungen

Fragen mit „Kreuzvalidierung“ (2)

  1. Bei einer 5-fachen Kreuzvalidierung (k-fache Kreuzvalidierung mit k = 5) mit 1000 Datenpunkten: Wie viele Datenpunkte werden in jedem Durchgang zum Training verwendet?
  2. Welche Aussage ist zutreffend, wenn man den Fehler eines Modells in Bias (Verzerrung) und Varianz (Streuung) zerlegt?

Verwandte Begriffe

Erwartungswert Überanpassung (Overfitting) Aktivierungsfunktion Bestärkendes Lernen (Reinforcement Learning) Convolutional Neural Network (CNN) Gradientenabstieg (Gradient Descent) Hauptkomponentenanalyse (PCA) k-Means-Algorithmus Konfusionsmatrix (Wahrheitsmatrix) Precision und Recall

Zur Glossarübersicht