Čo je krížová validácia a na čo je potrebná?

Krížová validácia je metóda hodnotenia kvality modelu strojového učenia, ktorá pomáha overiť, ako dobre bude model fungovať na nových, neviditeľných dátach. Hlavná myšlienka je rozdeliť pôvodný súbor dát na niekoľko častí (folds), napríklad 5 alebo 10. Potom sa model trénuje na všetkých častiach okrem jednej a testuje sa na zvyšnej. Tento proces sa opakuje, kým každá časť nie je použitá ako test.

Toto umožňuje získať spoľahlivejšiu odhad výkonu modelu, znížiť preškolenie a vybrať najlepšie parametre. Napríklad, pri 5-násobnej krížovej validácii sú dáta rozdelené na 5 častí a model sa trénuje 5-krát, vždy na 4 častiach, testujúc na 1.

Príklad v Pythone 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"Priemerná presnosť: {scores.mean():.2f}")