Wat is cross-validatie en waar is het voor nodig?

Cross-validatie is een methode om de kwaliteit van een machine learning-model te beoordelen, die helpt te controleren hoe goed het model zal werken op nieuwe, onzichtbare gegevens. Het belangrijkste idee is om de oorspronkelijke dataset op te splitsen in meerdere delen (folds), bijvoorbeeld 5 of 10. Vervolgens wordt het model getraind op alle delen behalve één, en getest op de resterende. Dit proces wordt herhaald totdat elk deel als test is gebruikt.

Dit stelt je in staat om een betrouwbaardere beoordeling van de prestaties van het model te krijgen, overfitting te verminderen en de beste parameters te kiezen. Bijvoorbeeld, bij 5-voudige cross-validatie worden de gegevens in 5 delen verdeeld, en wordt het model 5 keer getraind, telkens op 4 delen, getest op 1.

Voorbeeld in Python met 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"Gemiddelde nauwkeurigheid: {scores.mean():.2f}")