Çapraz doğrulama nedir ve neden gereklidir?

Çapraz doğrulama, makine öğrenimi modelinin kalitesini değerlendirmeye yarayan bir yöntemdir ve modelin yeni, görünmeyen veriler üzerinde ne kadar iyi çalışacağını kontrol etmeye yardımcı olur. Temel fikir, orijinal veri kümesini birkaç parçaya (katmanlara) bölmektir, örneğin 5 veya 10. Daha sonra, model tüm parçalar üzerinde eğitilir, bir tanesi hariç, ve kalan üzerinde test edilir. Bu süreç, her parça test olarak kullanılmış olana kadar tekrarlanır.

Bu, modelin performansını daha güvenilir bir şekilde değerlendirmeye, aşırı uyumu azaltmaya ve en iyi parametreleri seçmeye olanak tanır. Örneğin, 5 katlı çapraz doğrulamada, veriler 5 parçaya bölünür ve model 5 kez eğitilir, her seferinde 4 parça üzerinde, 1'inde test edilir.

Python ile sklearn kullanarak örnek:

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"Ortalama doğruluk: {scores.mean():.2f}")