Kross-validatsiya nima va nima uchun kerak?

Kross-tekshirish — bu mashina o‘rganish modeli sifatini baholash usuli bo‘lib, u model yangi, ko‘rilmagan ma’lumotlarda qanchalik yaxshi ishlashini tekshirishga yordam beradi. Asosiy g‘oya — asl ma’lumotlar to‘plamini bir nechta qismga (foldlarga), masalan, 5 yoki 10 ga bo‘lish. So‘ngra, model barcha qismda, birini hisobga olmaganda, o‘qitiladi va qolganida sinovdan o‘tkaziladi. Bu jarayon har bir qism sinov uchun ishlatilguncha takrorlanadi.

Bu modelning ishlashini yanada ishonchli baholash, ortiqcha moslashishni kamaytirish va eng yaxshi parametrlarni tanlash imkonini beradi. Masalan, 5-fold kross-tekshirishda ma’lumotlar 5 qismga bo‘linadi va model 5 marta o‘qitiladi, har safar 4 qismda, 1 qismda sinovdan o‘tkaziladi.

Python bilan sklearn yordamida misol:

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"O‘rtacha aniqlik: {scores.mean():.2f}")