Изменения
→Разновидности Кросс-валидации
<tex> CV_{t \times k} = \frac{1}{tk} \sum_{j=1}^t \sum_{i=1}^{k} Q(\mu(T^l \setminus F_{(i,j)}),F_{(i,j)}) \to min </tex>
=== Кросс-валидация по отдельным объектам (leave-one-out) ===
Выборка разбивается на <tex>l-1</tex> и 1 объект <tex>l</tex> раз.
<tex>LOO = \frac{1}{l} \sum_{i=1}^{l} Q(\mu(T^l \setminus p_i),p_i) \to min </tex>, где <tex>p_i = (x_i, y_i)</tex>
=== Случайные разбиения (Random subsampling) ===
Выборка разбивается в случайной пропорции. Процедура повторяется несколько раз.
=== Критерий целостности модели (Model consistency criterion) ===
Не переобученый алгоритм должен показывать одинаковую эффективность на каждой части
<tex> D_1 = (\mu, T^{l-t}) = \frac{1}{l} \sum_{i=1}^l (\mu(T^t)(x_i)-\mu(T^{l-t})(x_i)) </tex>
Метод может быть обобщен как аналог <tex> CV_{t \times 2} </tex>.
== См. также ==
