組み込み開発のためのPython · レッスン 143 / 220
交差検証で性能を評価する
交差検証はデータの異なる分割で学習・評価を繰り返します。グループや時系列の構造があるデータには適切な分割器を選びます。
交差検証はデータの異なる分割で学習・評価を繰り返します。グループや時系列の構造があるデータには適切な分割器を選びます。 仕組みだけでなく、検証方法と運用上の注意も具体例で確認します。
基本の考え方
交差検証はデータの異なる分割で学習・評価を繰り返します。グループや時系列の構造があるデータには適切な分割器を選びます。
安全に試すための確認
例は学習用データを使うもので、品質を保証する予測器ではありません。実データの欠損、単位、偏り、データ漏えいを確認し、テスト用データを学習中に参照しないでください。
コード例
手元のPython環境に貼り付ける前に、使用しているPythonの版と対象ライブラリの対応を確認してください。
from sklearn.model_selection import cross_val_score
from sklearn.tree import DecisionTreeClassifier
scores = cross_val_score(DecisionTreeClassifier(max_depth=2, random_state=0), [[0], [1], [2], [3], [4], [5]], [0, 0, 0, 1, 1, 1], cv=3)
print(scores, scores.mean())手を動かす課題
分割数と乱数種を変えてスコアの平均とばらつきを報告してください。