Kross-validasiya nədir və niyə lazımdır?

Kross-validasiya maşın öyrənmə modelinin keyfiyyətini qiymətləndirmək üçün istifadə olunan bir metodur və modelin yeni, görünməyən məlumatlarda nə qədər yaxşı işləyəcəyini yoxlamağa kömək edir. Əsas fikir, orijinal məlumat dəstini bir neçə hissəyə (foldlara), məsələn, 5 və ya 10-a bölməkdir. Sonra, model bütün hissələrdə, birini çıxmaqla, öyrədilir və qalanında sınaqdan keçirilir. Bu proses hər bir hissə sınaq üçün istifadə olunana qədər təkrarlanır.

Bu, modelin performansını daha etibarlı qiymətləndirməyə, aşırı uyğunluğu azaltmağa və ən yaxşı parametrləri seçməyə imkan verir. Məsələn, 5-fold kross-validasiya zamanı məlumatlar 5 hissəyə bölünür və model 5 dəfə öyrədilir, hər dəfə 4 hissədə, 1-də sınaqdan keçirilir.

Python ilə sklearn istifadə edərək nümunə:

from sklearn.model_selection import cross_val_score
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_iris

X, y = load_iris(return_X_y=True)
model = RandomForestClassifier()
scores = cross_val_score(model, X, y, cv=5)
print(f"Orta dəqiqlik: {scores.mean():.2f}")