На этом шаге мы рассмотрим этот вид перекрестной проверки.
Еще один часто используемый метод перекрестной проверки - исключение по одному (leave-one-out). Перекрестную проверку с исключением по одному можно представить в виде k-блочной перекрестной проверки, в которой каждый блок представляет собой отдельный пример. По каждому разбиению вы выбираете одну точку данных в качестве тестового набора. Этот вид проверки может занимать очень много времени, особенно при работе с большими наборами данных, однако иногда позволяет получить более точные оценки на небольших наборах данных:
[In 12]: from sklearn.model_selection import LeaveOneOut loo = LeaveOneOut() scores = cross_val_score(logreg, iris.data, iris.target, cv=loo) print("Количество итераций: ", len(scores)) print("Средняя правильность: {:.2f}".format(scores.mean())) Количество итераций: 150 Средняя правильность: 0.97
На следующем шаге мы рассмотрим перекрестную проверку со случайными перестановками при разбиении.
