Co je to křížová validace a k čemu je potřeba?

Křížová validace je metoda hodnocení kvality modelu strojového učení, která pomáhá ověřit, jak dobře bude model fungovat na nových, neviditelných datech. Hlavní myšlenkou je rozdělit původní datovou sadu na několik částí (foldů), například 5 nebo 10. Poté se model trénuje na všech částech kromě jedné a testuje se na zbývající. Tento proces se opakuje, dokud každá část není použita jako test.

To umožňuje získat spolehlivější odhad výkonu modelu, snížit přeučení a vybrat nejlepší parametry. Například u 5-násobné křížové validace jsou data rozdělena na 5 částí a model se trénuje 5krát, pokaždé na 4 částech, testuje se na 1.

Příklad v Pythonu s sklearn:

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"Průměrná přesnost: {scores.mean():.2f}")