Search for a command to run...
Date
طريقة الاستبعادإنها طريقة تقييم النموذج التي تقسم مجموعة البيانات D إلى مجموعتين متبادلتين حصريتين. بافتراض أن إحدى المجموعتين هي مجموعة التدريب S والأخرى هي مجموعة الاختبار T، فلدينا:
د = س ∪ ت، س ∩ ت = ∅
ينبغي أن يؤدي تقسيم مجموعات التدريب/الاختبار إلى الحفاظ على توزيع البيانات بشكل متسق قدر الإمكان. ومن أجل تجنب التحيز الإضافي الناتج عن عملية تقسيم البيانات والذي يؤثر على النتائج، يتم عادة استخدام العينة الطبقية.
نظرًا لأن طرق التقسيم المختلفة ستؤدي إلى مجموعات تدريب/اختبار مختلفة، فإن نتائج تقييم النموذج المقابلة ستكون مختلفة أيضًا. ولذلك، فإن نتائج التقدير لاستخدام أسلوب الاستبعاد مرة واحدة غير موثوقة في الغالب. يتطلب الأمر عادةً عدة أقسام عشوائية، وتقييمات تجريبية متكررة، ويتم أخذ القيمة المتوسطة كنتيجة للتقييم.
From idea to launch — accelerate your AI development with free AI co-coding, out-of-the-box environment and best price of GPUs.
Search for a command to run...
Date
طريقة الاستبعادإنها طريقة تقييم النموذج التي تقسم مجموعة البيانات D إلى مجموعتين متبادلتين حصريتين. بافتراض أن إحدى المجموعتين هي مجموعة التدريب S والأخرى هي مجموعة الاختبار T، فلدينا:
د = س ∪ ت، س ∩ ت = ∅
ينبغي أن يؤدي تقسيم مجموعات التدريب/الاختبار إلى الحفاظ على توزيع البيانات بشكل متسق قدر الإمكان. ومن أجل تجنب التحيز الإضافي الناتج عن عملية تقسيم البيانات والذي يؤثر على النتائج، يتم عادة استخدام العينة الطبقية.
نظرًا لأن طرق التقسيم المختلفة ستؤدي إلى مجموعات تدريب/اختبار مختلفة، فإن نتائج تقييم النموذج المقابلة ستكون مختلفة أيضًا. ولذلك، فإن نتائج التقدير لاستخدام أسلوب الاستبعاد مرة واحدة غير موثوقة في الغالب. يتطلب الأمر عادةً عدة أقسام عشوائية، وتقييمات تجريبية متكررة، ويتم أخذ القيمة المتوسطة كنتيجة للتقييم.
From idea to launch — accelerate your AI development with free AI co-coding, out-of-the-box environment and best price of GPUs.