174
правки
Изменения
м
→Кросс-валидация по отдельным объектам (leave-one-out)
<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 (leaveLeave-oneOne-outOut) ===
Выборка разбивается на <tex>l-1</tex> и 1 объект <tex>l</tex> раз.
Преимущества LOO в том, что каждый объект ровно один раз участвует в контроле, а длина обучающих подвыборок лишь на единицу меньше длины полной выборки.
Недостатком LOO является большая ресурсоёмкость, так как обучаться приходится <tex>L </tex> раз. Некоторые методы обучения позволяют достаточно быстро перенастраивать внутренние параметры алгоритма при замене одного обучающего объекта другим. В этих случаях вычисление LOO удаётся заметно ускорить.
=== Случайные разбиения (Random subsampling) ===
