Wat is ruimtelijke kruisvalidering en waar is het voor nodig?

Ruimtelijke kruisvalidatie is een methode om de kwaliteit van machine learning-modellen te beoordelen die rekening houdt met de ruimtelijke structuur van de gegevens. In tegenstelling tot gewone kruisvalidatie, waarbij gegevens willekeurig worden verdeeld in trainings- en testsets, verdeelt ruimtelijke kruisvalidatie de gegevens rekening houdend met hun geografische locatie om informatielekken tussen nabijgelegen punten te voorkomen.

Dit is belangrijk omdat in ruimtelijke gegevens objecten die dicht bij elkaar liggen vaak vergelijkbare kenmerken hebben (ruimtelijke autocorrelatie). Als dit niet wordt meegenomen, kan het model overfitten en een overschatte nauwkeurigheid tonen op de test.

Voorbeeld van gebruik: bij het bouwen van een model om de bodemkwaliteit in verschillende regio’s te voorspellen, helpt ruimtelijke kruisvalidatie te controleren hoe goed het model kennis kan generaliseren naar nieuwe geografische gebieden, in plaats van alleen lokale kenmerken te onthouden.