روش اعتبار سنجی k- fold cross validation


 

 

 

در این ویدئو روش های اعتبارسنجی توضیح داده شده است

۱- Model selection

در این روش هدف رسیدن به یک مدل و ساختار بهینه است. برای مثال در شبکه های عصبی، تعداد لایه‌های پنهان و تعداد نورون‌ها در لایه های مختلف، پارامترهای آزادی که کاربر تعیین میکند، را با استفاده از این روش تعیین می کنیم یا در کلاسبند KNN ، تعداد همسایه های نزدیک را تعیین می‌کنیم. 

یکی از روشهای معروفی که استفاده می شود، cross validation  است.

در این روش داده را به سه بخش تقسیم می کنند:

  • داده آموزش
  • داده validation
  • داده تست

در ابتدا یک ساختار توسط کاربر تعیین می شود و با استفاده از داده آموزش کلاسبند را با ساختار تعیین شده آموزش می دهند. سپس با استفاده از داده validation کلاسبند آموزش دیده را تست کرده و پارامترهای ارزیابی (برای مثال دقت کلاسبندی)را به ازای آن ساختار بدست می‌آورند. سپس ساختار دیگری را در نظر می گیرند و مراحل قبل را تکرار می کنند.

به ازای ساختارهای مختلف این عمل انجام می شود و در نهایت ساختاری که بیشترین دقت کلاسبندی را داشته انتخاب می کنند.

در نهایت، داده های آموزش و validation را باهم ترکیب کرده و کلاسبند با ساختار بهینه بدست آمده تست کرده و پارامترهای ارزیابی نهایی را محاسبه میکنند.… برای مشاهده ی ادامه ی این متن به  این بخش از سایت ببینید.

 


اولین کانال آموزش رایگان دروس مربوط به رشته ی مهندسی پزشکی

لینک کانال

 

 

 

0 پاسخ

دیدگاه خود را ثبت کنید

Want to join the discussion?
Feel free to contribute!

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *